多尺度卷积变压器与中心掩码预训练高光谱图像分类.pdfVIP

1

多尺度卷积变压器与掩码预训练的高光谱

图像分类

—高光谱图像（HSI）不仅具有宽广的宏观视场，还包逻辑回归[8],决策树[9],随机森林[10],和支持向量机[11]

2

2含丰富的光谱信息，可以通过光谱信息识别地表物体类型，这是通过光谱信息对地物进行分类。然而，HSI的成像距离较

0高光谱图像相关研究的主要应用之一。近年来，提出了越来越多远，在此过程中存在许多推断因素。因此，不同地表物体

2的深度学习方法，其中卷积神经网络（CNN）最具。然的光谱曲线并不总是容易区分。这对以光谱信息为输入的

r而，基于CNN的方法难以捕捉长距离依赖关系，同时还需要大

a这些分类方法是一个问题，它们无法很好地捕捉特征之间

量标注数据进行模型训练。此外，高光谱图像分类领域的大多数

M自监督训练方法都基于输入样本的重建，难以有效利用未标注样的模式。近年来，深度