El rápido desarrollo de la tecnología de teledetección ha traído consigo una diversidad de datos de teledetección. Las imágenes hiperespectrales, como el tipo de imagen con la mayor resolución espectral, siempre han sido una importante fuente de datos para las aplicaciones de observación terrestre. En el campo de la visión por computadora, los algoritmos de reconocimiento de patrones, representados por el aprendizaje profundo, continúan desarrollándose y progresando, lo que proporciona medios tecnológicos más eficaces para las aplicaciones de teledetección hiperespectral. Entre estas aplicaciones, las redes neuronales gráficas son un método eficaz ampliamente utilizado en las tareas de decodificación de imágenes hiperespectrales en los últimos años, permitiendo explotar las relaciones potenciales entre las muestras para extraer información contextual local y global y generar resultados de clasificación de alta precisión con un pequeño número de muestras marcadas. Este estudio resumió las arquitecturas más comúnmente utilizadas de las redes neuronales gráficas a partir de investigaciones existentes, y analizó las características de los métodos desglosando la estructura de cada tipo de arquitectura en la literatura. Este estudio categorizó los métodos de redes neuronales gráficas para las tareas de decodificación de imágenes hiperespectrales en el campo de la teledetección desde tres puntos de vista: el alcance espacial de las conexiones, el nivel de información de los nodos y la incertidumbre del modelo. Además, este estudio presentó las aplicaciones de las redes neuronales gráficas para la clasificación de imágenes hiperespectrales en diferentes modalidades y con diferentes números de etiquetas. Por último, este estudio resumió y abordó los últimos avances y perspectivas de las tecnologías avanzadas de las redes neuronales gráficas desde tres aspectos: las redes gráficas profundas, la combinación de otras tecnologías de aprendizaje profundo y los grandes modelos basados en redes neuronales gráficas, ofreciendo orientaciones e ideas para futuras investigaciones en el campo de las redes neuronales gráficas en el campo de la teledetección.

teledetección hiperespectral; clasificación; redes neuronales gráficas; redes convolucionales de gráficos; aprendizaje profundo