Dual-Stream Attention Network for Hyperspectral Image Unmixing

本文提出了一种双流注意力网络（DSANet），用于高光谱图像（HSI）的解混。HSI包含丰富的空间和光谱信息，因此对于解混非常有价值。由于HSI中的端元和像素的丰度与其相邻像素高度相关，因此我们采用“多对一”的策略来估计中心像素的丰度。此外，我们采用多视角光谱方法，将光谱波段分成多个具有低相关性的分区来估计丰度。为了从两个分支中汇总估计的丰度以增强有价值的信息，我们设计了一个交叉融合注意力网络。我们在两个真实数据集上进行了广泛的实验，结果表明我们的DSANet非常有效。

本论文旨在解决高光谱图像(HSI)解混问题，提出了一种双流注意力网络(DSANet)。

通过采用多视角光谱方法，将光谱带分为多个分区，以估计丰度。同时，采用“多对一”策略来估计中心像素的丰度。为了聚合两个分支的互补信息，设计了交叉融合注意力网络。

论文提出的DSANet模型在两个真实数据集上进行了广泛的实验，证明了其有效性。实验设计了多视角光谱方法，使用了开源数据集和代码，提高了解混的精度和效率。

在该领域的相关研究中，还有一些相关的研究，如《基于卷积神经网络的高光谱图像分类》、《基于深度学习的高光谱图像分类方法》等。