谱差与跨模态语义一致性学习用于高光谱图像目标检测
计算机视觉与模式识别
2025-12-23 v1 人工智能
摘要
高光谱图像具有高光谱分辨率，提供了识别相似物质细微差异的新视角。然而，高光谱图像中的目标检测面临由于光谱带间差异和空间差异以及传感器噪声、照明等不可避免干扰导致的类内和类间相似性挑战显著。为缓解高光谱带间不一致性和冗余性，本文提出一种新型网络，称为\textbf{S}pectral \textbf{D}iscrepancy and \textbf{C}ross-\textbf{M}odal semantic consistency learning (SDCM)，以利用光谱维度精确定位感兴趣区域，同时在广泛的高光谱波段之间提取一致信息。具体而言，我们采用语义一致性学习（SCL）模块，利用波段间上下文线索来减轻各波段间信息的异质性，生成高度连贯的光谱维表示。另一方面，我们将光谱门控生成器（SGG）纳入框架，基于波段重要性过滤高光谱信息中冗余数据。随后，我们设计光谱差异感知（SDA）模块，通过提取像素级光谱特征丰富高层次信息的语义表示。在两个高光谱数据集上的大量实验表明，与其他方法相比，我们提出的方法在各种指标上实现了最先进的性能。
引用
@article{arxiv.2512.18245,
title = {Spectral Discrepancy and Cross-modal Semantic Consistency Learning for Object Detection in Hyperspectral Image},
author = {Xiao He and Chang Tang and Xinwang Liu and Wei Zhang and Zhimin Gao and Chuankun Li and Shaohua Qiu and Jiangfeng Xu},
journal= {arXiv preprint arXiv:2512.18245},
year = {2025}
}