高光谱遥感显著对象检测中的光谱诊断与两级适应框架研究

《Remote Sensing》：Two-Level Spectral Adaptation and Multilevel Spectral Evidence Diagnostics for Hyperspectral Remote Sensing Salient Object Detection with a Wavelength-Conditioned Foundation Model

　　

摘要

波长条件化的遥感基础模型能够接受灵活的光谱配置，但兼容性并不能保证有效的光谱利用。我们研究了这个问题，针对高光谱遥感中的显著对象检测，并提出了SpecAudit这一离线框架，用于诊断输入的可区分性、入口核的几何特性以及各层的光谱可读性。同时，我们还引入了两级光谱适应（TLSA）技术。在32波段的高光谱遥感显著对象检测数据集（HRSSD）上，将基于动态全局最优（DOFA）的方法从3波段扩展到32波段并未带来稳定的显著性提升。通过对每张测试图像的空间分离区域进行地面真实值辅助的诊断和分析，我们发现，这表明尽管没有稳定的直接预测增益，但图像仍具有显著的光谱可区分性。TLSA结合了任务共享的波段幅度校准（在冻结入口之前为每个波段学习一个增益）和自引导光谱精细化（在推理过程中从粗略预测中拟合出图像特定的光谱区分度）。在五种不同的训练种子和配对图像级测试中，两种适应方法都带来了积极的增量改进。TLSA将平均从0.6472提升到了0.6613，比三波段参考方法有了明显的提升，并且比九种重新训练的已发表方法中的最高平均值高出3.5%。这些结果表明，高光谱的增益不仅取决于可用的波段数量，还取决于光谱信息的暴露和利用方式。完整的TLSA实现代码和SpecAudit诊断工具将在论文发表后公开发布。