فصل الصور الطيفية عالية الدقة باستخدام شبكة مامبا ذات الانتباه الطيفي الهرمي
摘要
نموذج الحل الخطي المختلط يحظى باهتمام واسع بسبب كفاءته العالية (سهولة الحساب، قابلية التوسعة)، والمعنى الفيزيائي الواضح وسهولة المعالجة. من بين طرق الحل الخطي المختلفة، أظهرت تقنيات التشفير الذاتي المميزة قدرات بارزة في ملاءمة البيانات واستخراج الخصائص العميقة. ومع ذلك، توجد بعض القيود. على سبيل المثال، تؤدي الضوضاء في بيانات الإدخال إلى تراجع القدرة على التعميم أثناء المعالجة؛ تظهر مشكلة زائدة عند التعامل مع خصائص متعددة المقياس؛ وللحفاظ على التعقيد الحسابي خطيًا مع الاحتفاظ بالاعتماد طويل المدى، هناك حاجة لفهم أعمق لخصائص الفضاء والطيف. لذلك، اقترح هذا البحث وحدة انتباه ذاتي لمعالجة إزالة الضوضاء من الصور الطيفية عالية الدقة، واقترح نموذجًا جديدًا قائمًا على نموذج مامبا للصور الطيفية عالية الدقة. تم تصميم كتلة مامبا الفراغية أولاً لاستخراج الخصائص الفراغية؛ ثم، على الصعيد الطيفي، تم اقتراح كتلة مامبا الطيفية؛ وأخيرًا، قُسمت المتجهات الطيفية إلى مجموعات متعددة لاستخراج العلاقات بين المجموعات الطيفية المختلفة واستخراج الخصائص الطيفية. تم دمج هذه الوحدات الثلاث في شبكة ترميز ذاتي متعدد المراحل ذات طبقات التفاف لتشكيل إطار عمل الانتباه متعدد المراحل مامبا PSAMN (إطار عمل فصل الانتباه مامبا متعدد المراحل). أجريت تجارب مقارنة على مجموعات بيانات طيفية صناعية وحقيقية. أظهرت النتائج أن نموذج الفصل المقترح أكثر فعالية وتنافسية مقارنة بالخوارزميات الحالية.
关键词
فصل طيفي عالي الدقة;تعلم عميق;نموذج مامبا;وحدة الانتباه الذاتي;كتلة مامبا