一种基于位置敏感的高斯注意力变换器方法，用于高光谱目标检测

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Location-Sensitive Gaussian Attention Transformer Method for Hyperspectral Target Detection

　　

摘要：

高光谱目标检测（HTD）仍然是一项具有挑战性的任务，原因在于其高光谱维度、复杂的背景干扰，以及难以同时建模局部光谱-空间结构和长距离的上下文依赖性。现有的基于Transformer的方法展示了强大的全局建模能力，但其有效性往往受到缺乏明确和连续的空间先验的限制。为了解决这一限制，我们提出了一种新的基于位置敏感的高斯注意力（LGA）框架用于高光谱目标检测。该框架的核心是一种基于高斯的注意力机制，它将连续的、数据驱动的空间先验直接嵌入到Transformer的自注意力中，这与传统的离散或手工设计的位置编码策略有根本不同。通过将高斯加权空间先验与全局自注意力相结合，该方法能够自适应地突出目标相关区域，同时抑制杂乱背景，从而实现更准确的目标定位。此外，还结合了光谱-空间特征提取技术，以保持局部光谱连续性和空间一致性。在七个广泛使用的高光谱基准数据集上进行的广泛实验表明，所提出的LGA方法在检测准确性和鲁棒性方面始终优于现有的经典方法和基于深度学习的检测器。结果证实，所提出的增强高斯注意力的机制为复杂遥感场景中的高光谱目标检测提供了一种有效且可泛化的解决方案。