AFMamba： Adaptive Fusion Network for Hyperspectral and LiDAR Data Collaborative Classification Base On Mamba
摘要
يمكن لصور الطيف العالي HSI (Hyperspectral Image) التقاط الخصائص الطيفية لمكونات الأرض، ولكنها تفتقر إلى معلومات ثلاثية الأبعاد، بينما يمكن لرادار الليزر LiDAR (Light Detection And Ranging) التقاط معلومات المسافة والارتفاع للأرض، ويمكن لهذين النوعين من البيانات أن يكمل بعضهما البعض لرفع دقة تصنيف وتعرف الأرض. يحظى نموذج Mamba بميزة تعلم الميزات عن بعد وعمليات فعالة، ولكن هناك قليل من الدراسات حتى الآن حول تصنيف ودمج بيانات الاستشعار عن بعد متعددة الوسائط باستخدام Mamba، بالإضافة إلى وجود مشكلات في نقص معلومات الميزات متعددة المصادر والتكامل غير الكافي. بناءً على ذلك، يقترح هذا البحث شبكة تصنيف تعاونية ذات تكييف ذاتي لبيانات الطيف العالي وLiDAR بناءً على هيكل Mamba. تحتوي هذه الشبكة على وحدة انتباه تعاونية ذات قناتين مكدسة تعتمد على هيكل Mamba، وتعزز التعلم المتبادل بين مصادر الميزات باستخدام المشاركة في المعلمات، مما يؤدي إلى دقة تصنيف أعلى وقدرة على التعميم بشكل أفضل في مهمة التصنيف. تشير نتائج التجارب إلى أن الخوارزمية المقترحة حققت دقة عامة تبلغ 99.33 ٪ و 91.74٪ و 94.94٪ على مجموعات البيانات Trento و Houston2013 و MUUFL على التوالي، ويمكنها استخراج ودمج الميزات متعددة المصادر بشكل أكثر كفاءة.
关键词
remote sensing image classification;collaborative classification;adaptive fusion;Mamba architecture;parameter sharing;hyperspectral image;LiDAR;Multimodal data fusion