PCTU-Net:用于高光谱图像的多尺度池化-Transformer协同解混网络

作     者：陈建锋 王继红 

作者机构：贵州大学大数据与信息工程学院贵州 贵阳 

出 版 物：《建模与仿真》 (Modeling and Simulation)

年 卷 期：2023年第12卷第6期

页      面：5572-5584页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：深度学习 高光谱图像解混 多尺度池化 Transformer 

摘      要：近年来,基于深度学习的高光谱解混技术越来越受到关注,并取得了重大进展。然而,仅依靠Transformer方法不足以有效捕获全局和细粒度信息,从而影响解混任务的准确性。为了充分利用高光谱图像中包含的信息,本研究探索了一个通过池化操作来加深网络并提取图像细节特征进而与Transformer协同作用于高光谱图像解混的网络,称为PCTU-Net。它端到端地充分学习了全局和局部信息,以实现更有效地解混。该网络包括两个核心模块:一个是多尺度池化模块,该模块由最大池化操作、条纹池化操作和平均池化操作组成;另一个是Transformer编码器,它包括了嵌入层、自注意力模块、线性层以及多层感知器。本研究在三个数据集(Samson、Apex和合成数据集)上广泛评估了PCTU-Net和其他六种高光谱解混方法。实验结果有力地表明,所提出的方法在精度方面优于其他方法,具有有效解决高光谱解混任务的潜力。