面向地面高光谱图像语义分割的轻量级光谱-空间网络

《Remote Sensing》:A Lightweight Spectral–Spatial Network for Efficient Semantic Segmentation of Ground-Based Hyperspectral Imagery

【字体: 大 中 小 】 时间:2026年10月24日 来源:Remote Sensing 4.3

编辑推荐:

   摘要

  

摘要

地面高光谱成像通过提供对材料敏感的谱来扩展遥感至道路环境,以区分视觉上相似的表面和物体。然而,从高维光谱立方体进行逐像素预测在计算上要求很高。本研究提出了一种轻量级光谱-空间网络,用于对地面高光谱图像进行高效的语义分割。光谱标记词干在高分辨率编码之前将有序波段压缩为池化、归一化和统计描述符。CoordSK模块将坐标感知的方向性聚合与自适应局部尺度选择相结合,而轻量级引导解码器则从多尺度特征中恢复密集预测。在公开的HyKo2和HSI-Drive数据集上的实验分别获得了0.6670和0.8181的Jaccard指数,优于具有代表性的高效分割基线。该模型包含65.6万个可训练参数,并且在各自基准测试中,在RTX 5090上达到了151.49和168.21 FPS的FP32批量为一的吞吐量。在额外的预训练模型比较中,该网络使用的参数量不到HSI-Adapter总参数量的0.5%。消融实验验证了光谱标记化和坐标选择性混合的贡献,而一项输入表示研究则证明了与PCA和伪RGB输入相比,保留完整高光谱观测的优势。这些结果表明,该模型在基于地面的高光谱遥感场景理解方面具有令人满意的精度-效率权衡。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号