多尺度谱域注意力卷积与图编码Transformer融合网络(CTFN)在高光谱图像分类中的创新应用

本研究针对高光谱图像(HSI)分类中卷积神经网络(CNN)难以捕捉长距离空间信息、Transformer易忽略局部特征的瓶颈问题，提出创新的CTFN融合网络。通过多尺度谱域注意力卷积(MCSA)模块实现多尺度空间特征提取与谱域特征选择，结合图编码Transformer构建局部-全局空间注意力机制，并开发像素-超像素融合模块实现多层次特征联合输出。在三个标准数据集上的实验表明，CTFN较现有最优框架性能提升显著，为HSI分类提供了新的技术路径。

　　

随着无人机和卫星遥感技术的快速发展，高光谱成像技术为地表精细分类提供了前所未有的数据支持。这类包含数百个连续波段的高维数据，既蕴含着丰富的光谱"指纹"信息，又承载着复杂空间分布特征，在精准农业、矿物勘探、环境监测等领域展现出巨大应用价值。然而，如何有效挖掘高光谱图像(HSI)中空间-谱域的关联特征，始终是遥感信息处理领域的核心挑战。

传统机器学习方法如支持向量机(SVM)和随机森林虽能处理高维数据，却难以捕捉像素间的空间关联。深度学习的兴起为HSI分类带来转机，其中卷积神经网络(CNN)擅长提取局部空间特征，但受限于卷积核的几何约束，难以建立长程依赖；图卷积网络(GCN)虽能处理非欧式数据，却面临特征过平滑和计算复杂度高的困境；而新兴的视觉Transformer(ViT)虽具有全局建模优势，但对局部空间信息的忽视和位置编码的局限性制约了其性能。这些技术瓶颈严重制约了HSI分类精度的进一步提升。

针对这一系列挑战，研究人员开展了一项创新性研究，提出多尺度谱域注意力卷积与图编码Transformer融合网络(CTFN)。该工作创造性地将CNN的局部特征提取优势与Transformer的全局建模能力相结合，通过三大技术创新实现了HSI分类性能的突破：首先开发边缘增强超像素聚类算法，将HSI转化为图结构表示；其次设计多尺度谱域注意力卷积模块(MCSA)，通过并行多尺度卷积分支扩展感受野，并引入谱域自注意力机制强化特征判别性；最后构建空间图编码Transformer，通过引入图编码增强局部特征关注，实现图表示学习。相关成果发表在《Expert Systems with Applications》期刊。

关键技术方法包括：(1)边缘增强超像素聚类算法实现HSI图结构转化；(2)多尺度卷积与谱域自注意力融合的MCSA模块；(3)集成图编码的空间Transformer架构；(4)像素-超像素双流特征融合机制。实验采用三个标准HSI数据集(Indian Pines、Pavia University和Salinas Valley)进行验证。

在"Proposed methodology"部分，研究团队详细阐述了CTFN的创新架构。边缘增强超像素聚类通过结合光谱梯度和空间距离度量，显著提升了边界分割精度，为后续图表示学习奠定基础。MCSA模块采用3个并行卷积分支(核尺寸3×3、5×5、7×7)捕获多尺度空间特征，同时通过谱域自注意力实现关键波段选择。图编码Transformer创新性地将节点度、最短路径等图结构信息编码为空间偏置项，使Transformer在保持全局注意力机制的同时增强局部特征感知。像素-超像素融合模块则通过特征拼接和1×1卷积实现多层次特征整合。

"Results and discussion"部分展示了令人信服的实验证据。在Indian Pines数据集上，CTFN总体分类精度(OA)达99.12%，较次优方法提升2.3%；在Pavia University数据集上平均精度(AA)达到98.67%，Kappa系数提高0.015。消融实验证实各模块的协同贡献：单独使用MCSA或Transformer时OA分别下降4.7%和3.2%，而去除图编码则导致边缘分类精度降低6.5%。特征可视化分析显示，CTFN学习到的特征在t-SNE投影中呈现更紧凑的类内分布和更显著的类间分离。

研究在"Conclusion"部分指出，CTFN通过有机融合CNN与Transformer的优势，成功解决了HSI分类中的三大核心问题：传统CNN感受野受限、Transformer局部特征忽视、以及单一尺度特征表示的不足。特别值得关注的是，所提出的图编码机制为Transformer在图结构数据上的应用开辟了新思路。这项工作不仅为HSI分类提供了新的技术框架，其提出的多尺度特征融合策略和图表示学习方法对广义的遥感图像分析也具有重要借鉴意义。研究人员已公开全部代码，这将极大促进相关领域的方法创新和应用拓展。