SAWU-Net：用于高光谱图像的空间注意力加权解混网络
图像与视频处理
2023-08-09 v1 计算机视觉与模式识别
摘要
高光谱解混是高光谱图像解译中关键且具挑战性的任务。近来，通过深度自编码器解决高光谱解混任务已做出巨大努力。然而，现有网络主要关注从混合像元中提取光谱特征，空间特征先验知识的利用仍不充分。为此，我们提出了一种空间注意力加权解混网络，称为SAWU-Net，它以端到端方式学习空间注意力网络与加权解混网络，以更好地挖掘空间特征。具体而言，我们设计了一个空间注意力模块，由像素注意力块和窗口注意力块组成，分别高效建模基于像素的光谱信息与基于块的空间信息。而在加权解混框架中，中心像元丰度由周围像元的粗粒度丰度动态加权。此外，SAWU-Net通过空间注意力机制生成动态自适应空间权重，从而更有效地动态整合周围像元。在真实与合成数据集上的实验结果证明了SAWU-Net更优的精度与优越性，反映了所提空间注意力机制的有效性。
引用
@article{arxiv.2304.11320,
title = {SAWU-Net: Spatial Attention Weighted Unmixing Network for Hyperspectral Images},
author = {Lin Qi and Xuewen Qin and Feng Gao and Junyu Dong and Xinbo Gao},
journal= {arXiv preprint arXiv:2304.11320},
year = {2023}
}
备注
IEEE GRSL 2023