掩蔽光谱空间网络

少标签高精度

无需标签数据即可预训练Transformer编码器，充分挖掘高光谱图像的空间光谱结构，分类精度显著优于现有方法。

周峰 · 徐超 · 杨国伟 · 杭仁龙 · 刘青山

IEEE Transactions on Geoscience and Remote Sensing 2024

技术优势

无需标签数据预训练

通过掩蔽光谱和空间序列并预测手工特征，使编码器在无标注情况下学习复杂结构，减少了对大量标注样本的依赖。

分类精度领先

在Indian Pines、Houston、Pavia University三个基准数据集上均优于现有最优方法，证明其有效性。

光谱空间协同建模

将输入高光谱立方体沿光谱和空间维度分别生成序列，并自适应聚合两个分支的分类结果，充分利用互补信息。

应用场景

• 高光谱遥感影像分类：在地物精细分类任务中，即使标注样本极少也能取得高精度，可直接用于土地覆盖制图。
• 少样本遥感图像分析：预训练策略显著降低对标注数据的需求，适合新场景下仅少量样本的快速模型适配。
• 高光谱成像系统：可作为高光谱成像系统的智能处理模块，实时提供高质量分类结果，提升系统自动化水平。