SClusterFormer模型

一种用于高光谱图像分类的Transformer架构，结合光谱-空间簇注意力和可变形卷积，提升局部与全局特征建模。

Yu, Fang · 孙乐 · 郑钰辉 · Wu, Zebin

IEEE Transactions on Image Processing 2025

技术优势

同时提取局部细节与长程关系

所提出的簇注意力机制分别利用光谱角度相似度和欧氏距离来增强 3-D HSI 和 2-D 形态学数据中细粒度同质局部细节的表示并改善非局部结构的判别。

多尺度光谱特征提取

设计了双分支多尺度可变形卷积框架并结合基于频率的光谱注意力，能够捕获高频差异模式和低频总体趋势。

跨特征融合提升分类性能

利用跨特征像素级融合模块对双分支结果进行协同交叉学习与融合，从而提升整体分类精度。

应用场景

• 遥感图像分析：在地物分类中提供更精确的光谱-空间特征表示，可替代传统手工特征提取方法。
• 高光谱分类：针对高光谱图像分类任务设计，可直接作为分类模型或特征提取骨干使用。
• 智能感知：通过注意力机制和可变形卷积实现自适应感知，提升对复杂场景的判别能力。