SoDa2: 基于解耦对齐的单阶段开放集域适应跨场景高光谱图像分类
计算机视觉与模式识别
2026-05-06 v1
摘要
跨场景高光谱图像 (HSI) 分类是遥感领域的基本研究主题，具有广泛的应用。由于目标域包含未知类别且不同场景之间存在域迁移，常会采用开放集域适应技术来解决跨场景 HSI 分类问题。然而，现有的开放集跨场景 HSI 分类方法仍面临两个关键挑战：(1) 由于直接对混合光谱-空间特征进行对齐，导致域迁移问题；(2) 由两阶段训练策略引起的高计算成本。为此，本文提出一种单阶段开放集域适应方法 with 解耦对齐 (SoDa) 用于跨场景 HSI 分类。针对从光谱序列信号和空间细节中分离特征特征，定制了感知知情双模态特征提取， selectively and adaptively 增强判别特征。解耦对齐模块最小化最大均值差异，以独立方式减少源域和目标域之间的光谱差异和空间差异，提取更细粒度的域不变特征。设计一种成本有效的单阶段双分支框架，用于学习受 MMD 约束的对齐特征和约束自由的本征特征，以适应已知和未知类别之间的区别。该框架采用高斯混合模型来建模两种特征类型之间的平方余弦相似度分布，从而在无需对未知类别先验知识的情况下实现开放集识别。在三个 HSI 数据集组上的大量实验表明，SoDa 在状态的方法中取得优异的分类准确率和模型迁移性，尤其适用于开放集跨场景任务。
引用
@article{arxiv.2605.03371,
title = {SoDa2: Single-Stage Open-Set Domain Adaptation via Decoupled Alignment for Cross-Scene Hyperspectral Image Classification},
author = {Yiwen Liu and Minghua Wang and Jing Yao and Xin Zhao and Gemine Vivone},
journal= {arXiv preprint arXiv:2605.03371},
year = {2026}
}