基于CNN与Mamba状态空间模型的高光谱图像压缩感知

模型与方法 | 浏览量:374下载量:107CSCD:0

基于CNN与Mamba状态空间模型的高光谱图像压缩感知
Mamba-CSNet： Joint CNN and Mamba State-Space Modeling for Hyperspectral Image Compressive Sensing
“高光谱图像压缩面临存储传输挑战，Mamba-CSNet通过融合CNN与Mamba的特征增强模块及二阶段量化编码策略，在1%采样率下PSNR达38.024 dB，计算量降低11.1%，为星载高光谱数据高效压缩提供解决方案。”
- 角色：First author第一作者
- 机构：
  武汉大学测绘遥感信息工程全国重点实验室, 武汉 430072
- 邮箱：jiajunchen@whu.edu.cn
- 简介：陈嘉骏，研究方向为高光谱图像压缩与重建。E-mail：jiajunchen@whu.edu.cn
陈嘉骏
1 * ，
- 角色：Corresponding author通信作者
- 机构：
  武汉大学人工智能学院, 武汉 430072
- 邮箱：jing@whu.edu.cn
- 简介：肖晶，研究方向为高精度卫星遥感实时智能服务。E-mail：jing@whu.edu.cn
肖晶
2 * ，
- 机构：
  西安电子科技大学杭州研究院, 杭州 311231
廖良
3 * ，
- 机构：
  武汉大学测绘遥感信息工程全国重点实验室, 武汉 430072
  湖北珞珈实验室, 武汉 430079
王密
14 *
2026年30卷第9期页码：2811-2824
DOI：10.11834/jrs.20266056
稿件说明：