S2RC-GCN：用于高光谱图像复杂土地覆盖分类的空间-光谱可靠对比图卷积网络
计算机视觉与模式识别
2024-04-02 v1
摘要
不同地物之间的空间相关性是土地覆盖研究挖掘的重要特征。图卷积网络能够有效捕获此类空间特征表示，并在执行复杂土地高光谱图像分类任务中展现出良好的效果。然而，现有的基于 GCN 的 HSI 分类方法在提取复杂特征时容易受到冗余信息的干扰。为了更有效地对复杂场景进行分类，本研究提出了一种新颖的空间-光谱可靠对比图卷积分类框架，命名为 S2RC-GCN。具体而言，我们融合了由 1D 和 2D 编码器提取的光谱与空间特征，其中 2D 编码器包含一个注意力模型以自动提取重要信息。随后，我们利用融合后的高层特征构建图，并将所得图输入 GCN 以确定更有效的图表示。此外，提出了一种新颖的可靠对比图卷积用于可靠对比学习，以学习并融合鲁棒特征。最后，为了测试模型在复杂目标分类上的性能，我们使用高分五号在江夏地区拍摄的影像构建了复杂土地覆盖数据集。测试结果表明，与其他模型相比，我们的模型取得了最佳结果，并有效提升了复杂遥感图像的分类性能。
引用
@article{arxiv.2404.00964,
title = {S2RC-GCN: A Spatial-Spectral Reliable Contrastive Graph Convolutional Network for Complex Land Cover Classification Using Hyperspectral Images},
author = {Renxiang Guan and Zihao Li and Chujia Song and Guo Yu and Xianju Li and Ruyi Feng},
journal= {arXiv preprint arXiv:2404.00964},
year = {2024}
}
备注
Accepted to IJCNN 2024 (International Joint Conference on Neural Networks)