FSSTNet：用于甲烷羽流分割的频率增强型谱空间变换器

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：FSSTNet: Frequency Enhanced Spectral-Spatial Transformer for Methane Plumes Segmentation

　　

摘要：

准确识别甲烷羽流对于全球气候变化监测和减排至关重要。然而，由于遥感图像中空间分辨率与光谱分辨率之间的权衡，以及地表不均匀性和大气噪声的干扰，要从复杂背景中精准识别甲烷羽流仍然是一个重大挑战。尽管现有的深度学习方法，如卷积神经网络和变换器已取得一定进展，但它们在处理长距离依赖关系与计算效率之间难以平衡，且往往忽视了频域信息在抑制背景噪声方面的潜力。为解决这些局限性，本文提出了一种用于高光谱和多光谱图像中甲烷羽流语义分割的新型频域增强型光谱-空间变换器（FSSTNet）。FSSTNet采用双流混合编码器架构：一个短波红外分支利用分层Swin变换器从短波红外数据中提取深层光谱-空间语义特征，另一个甲烷增强产品分支则使用ResNet来捕捉甲烷增强产品中的边界细节和局部纹理。为有效连接这两个分支，我们设计了一个基于先验引导的融合模块（PFM），该模块结合了动态蛇形卷积和多尺度扩张卷积，以适应不同形状的羽流特征。此外，我们在解码器中引入了频域增强型光谱-空间变换器模块（FSST）。通过利用快速傅里叶变换将特征映射到频域，并分离幅度和相位信息，FSSTNet能够同时建模带间光谱相关性及空间上下文，从而显著提升对弱羽流的识别能力，同时减少误报。在AVIRIS NG、WorldView-3和EMIT数据集上的大量实验表明，FSSTNet的性能明显优于现有的CNN、变换器及Ma...

查看更多