高分光画像HSI（Hyperspectral Image）は地物成分のスペクトル特徴を捉えることができるが、三次元情報が欠落している。一方、レーザーレーダー（LiDAR: Light Detection And Ranging）は地物の距離・高さ情報を捉えることができる。この二つのデータは相互に補完し合い、地物識別分類の精度を効果的に向上させることができる。Mambaモデルは遠隔特徴学習と効率的な演算の利点を持つが、現時点で多モーダルリモートセンシングデータ融合分類に関する研究は少なく、多源特徴情報の欠損や融合不足といった問題が存在する。これに基づき、本論文ではMamba構造に基づく高分光データとLiDARデータの適応的融合協同分類ネットワークを提案する。本ネットワークはパラメータ共有を利用し、多源特徴間の相互学習を促進するMamba構造に基づく積み重ね可能な双チャネル協同注意モジュールを含み、分類タスクにおいてより高い分類精度と優れた汎化能力を実現する。実験結果は、本論文提案アルゴリズムがTrento、Houston2013及びMUUFLデータセットにおいてそれぞれ99.33%、91.74%、94.94%の総合精度を達成し、多源特徴をより効率的に抽出・融合できることを示している。

リモートセンシング画像分類;協同分類;適応融合;Mamba構造;パラメータ共有;高分光画像;LiDAR;多モーダルデータ融合