SpACNN-LDVAE：用于高光谱像元解混的空间注意力卷积隐狄利克雷变分自编码器
计算机视觉与模式识别
2024-05-27 v2 机器学习
图像与视频处理
摘要
高光谱像元解混旨在找出高光谱图像像元中的底层材料（端元）及其比例（丰度）。本工作在执行像元解混时考虑局部空间上下文，从而扩展了隐狄利克雷变分自编码器（LDVAE）像元解混方案。所提方法使用带有空间注意力的各向同性卷积神经网络，将像元编码为端元上的狄利克雷分布。我们在 Samson、Hydice Urban、Cuprite 和 OnTech-HSI-Syn-21 数据集上评估了我们的模型。我们的模型还利用迁移学习范式处理 Cuprite 数据集，即在合成数据上训练模型并在真实世界数据上评估。结果表明，引入空间上下文改善了端元提取与丰度估计。
引用
@article{arxiv.2311.10701,
title = {SpACNN-LDVAE: Spatial Attention Convolutional Latent Dirichlet Variational Autoencoder for Hyperspectral Pixel Unmixing},
author = {Soham Chitnis and Kiran Mantripragada and Faisal Z. Qureshi},
journal= {arXiv preprint arXiv:2311.10701},
year = {2024}
}
备注
Accepted at IGARSS 2024