課題組碩士 宮傳政 一篇關于多源遙感圖像分類的論文被 IEEE TGRS 錄用并發(fā)表。

高光譜圖像（HSI）與合成孔徑雷達（SAR）/激光雷達（LiDAR）數(shù)據(jù)在地表覆蓋分類中提供了互補的光譜信息與結(jié)構(gòu)信息。然而，由于兩個主要限制，其有效融合仍然具有挑戰(zhàn)性：一是高維HSI中的光譜冗余問題，二是多源數(shù)據(jù)之間的異構(gòu)特性。為此，我們提出了一種代表性光譜相關網(wǎng)絡（RSCNet），這是一種新穎的多源圖像分類框架，專門通過光譜選擇與自適應交互來解決上述問題。

該網(wǎng)絡包含兩個關鍵組件：（1）關鍵波段選擇模塊（KBSM），在跨源引導下從原始HSI中自適應選擇與任務相關的光譜波段，從而緩解冗余問題，并減輕傳統(tǒng)基于主成分分析（PCA）的光譜降維所帶來的信息損失。此外，所學習得到的波段子集呈現(xiàn)出高度判別性的光譜結(jié)構(gòu)，與判別性語義特征相一致，從而促進緊湊且具有表達力的特征表示；（2）跨源自適應融合模塊（CAFM），通過跨源注意力加權以及局部—全局上下文細化，增強跨源特征之間的交互能力。

論文的代碼已在 https://github.com/oucailab/RSCNet 上公開。