摘要
تستطيع صور الطيف الفائق HSI (صورة الطيف الفائق) التقاط الخصائص الطيفية لمكونات الأرض، لكنها تفتقر إلى معلومات الثلاثة أبعاد، في حين أن الليدار LiDAR (الكشف والتحديد عن بعد بالليزر) يمكنه التقاط معلومات المسافة والارتفاع لمكونات الأرض. تكمل كلتا النوعين من البيانات بعضها البعض بشكل فعال لتحسين دقة تصنيف التعرف على المكونات الأرضية. يمتاز نموذج Mamba بميزة تعلم الميزات عن بعد والحوسبة الفعالة، لكنه قليل الدراسة حالياً في دمج وتصنيف بيانات استشعار عن بعد متعددة النماذج، حيث توجد مشاكل مثل نقص ميزات المصادر المتعددة ودمج غير كافٍ. بناءً على ذلك، يقترح هذا البحث شبكة تصنيف تفاعلية للتكيف التلقائي بين بيانات الطيف الفائق و LiDAR مبنية على هيكل Mamba. تتضمن هذه الشبكة وحدة انتباه ثنائية القنوات قابلة للتكديس تعتمد على هيكل Mamba، تستخدم مشاركة المعلمات لتعزيز التعلم التفاعلي بين الميزات متعددة المصادر، مما يحقق دقة تصنيف أعلى وقدرة تعميم أفضل في مهام التصنيف. أظهرت النتائج التجريبية أن الخوارزمية المقترحة حققت دقة كلية بنسبة 99.33٪ و91.74٪ و94.94٪ على مجموعات بيانات Trento وHouston2013 وMUUFL، مما يمكنها من استخراج ودمج الميزات متعددة المصادر بكفاءة أكبر.
关键词
تصنيف صورة الاستشعار عن بعد; التصنيف التفاعلي; الدمج التكيفي; هيكل Mamba; مشاركة المعلمات; صور الطيف الفائق; LiDAR; دمج بيانات متعددة النماذج