MambaHSI+: Multidirectional State Propagation for Efficient Hyperspectral Image Classification

高光谱成像 遥感 计算机科学 人工智能 上下文图像分类 模式识别(心理学) 图像(数学) 计算机视觉 地质学
作者
Yunbiao Wang,Lupeng Liu,Jun Xiao,Dongbo Yu,Ye Tao,Wenniu Zhang
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:63: 1-14 被引量:49
标识
DOI:10.1109/tgrs.2025.3576656
摘要

Hyperspectral image classification faces significant challenges due to high-dimensional spectral redundancy and complex spatial-spectral dependencies. While existing MambaHSI models leverage state-space modeling to enhance representation learning, their unidirectional formulation fails to fully capture bidirectional spatial interactions and cross-band contextual dependencies. Moreover, the uniform projection mechanism struggles to effectively distinguish spectral variations across different wavelengths. To address these limitations, we propose MambaHSI+, a novel framework that integrates bidirectional state-space modeling with spectral trajectory learning. The proposed architecture introduces three key innovations: (1) A bidirectional context modeling module, enhanced by reverse-order modeling, enables multi-directional spatial information propagation through recursive state transitions, facilitating comprehensive local-global feature aggregation while maintaining linear computational efficiency; (2) a spectral trajectory learning paradigm that formulates spectral evolution as continuous state-space process with bidirectional propagation, effectively encoding cross-band relationships; and (3) a Mamba-enhanced channel attention mechanism that adaptively emphasizes discriminative spectral features via selective state-space transformations. Extensive experiments on four benchmark datasets demonstrate state-of-the-art performance, achieving an average accuracy improvement of 2.51% over MambaHSI. By integrating state-space systems with advanced Mamba mechanisms, MambaHSI+ establishes a new paradigm for spectral-spatial representation learning, significantly advancing classification accuracy while ensuring computational efficiency. The latest logs are now available at https://github.com/RockAilab/MambaHSI_Plus.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
打打的应助被跑在颖采纳,获得10
1秒前
所所的应助被km采纳,获得10
2秒前
2秒前
SERS小子完成签到,获得积分10
2秒前
rio发布了新的文献求助10
3秒前
彭于晏的应助被细心的凡蕾采纳,获得10
3秒前
fancy完成签到,获得积分10
4秒前
小猫挠屁股完成签到 ,获得积分10
5秒前
5秒前
真实的百川完成签到,获得积分10
5秒前
元吉的应助被zx采纳,获得10
6秒前
领导范儿的应助被寻找布冯采纳,获得10
7秒前
haaaaa完成签到 ,获得积分10
9秒前
9秒前
9秒前
瑾钰满糖完成签到,获得积分10
10秒前
Peter发布了新的文献求助10
10秒前
10秒前
科研通AI6.4的应助被Gg采纳,获得10
11秒前
11秒前
科研通AI6.2的应助被林川采纳,获得30
12秒前
12秒前
WilliamTT发布了新的文献求助10
13秒前
明天完成签到,获得积分10
13秒前
14秒前
molihuakai的应助被激昂的如柏采纳,获得10
16秒前
16秒前
回望发布了新的文献求助10
16秒前
16秒前
yawngale发布了新的文献求助10
16秒前
旧城以西发布了新的文献求助10
17秒前
hhud完成签到 ,获得积分10
17秒前
17秒前
顾矜的应助被Arthur采纳,获得10
18秒前
华仔的应助被洁净的千凡采纳,获得10
18秒前
脑洞疼的应助被喵喵机采纳,获得10
19秒前
km发布了新的文献求助10
19秒前
samzix完成签到,获得积分10
19秒前
orrange完成签到,获得积分10
19秒前
CodeCraft的应助被寻找布冯采纳,获得10
20秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
高分子基功能界面水蒸发材料与应用研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8177802
求助须知:如何正确求助?哪些是违规求助? 9568632
关于积分的说明 21799933
捐赠科研通 7772424
什么是DOI,文献DOI怎么找? 3432505
关于科研通互助平台的介绍 2556698
邀请新用户注册赠送积分活动 2478055