[ TNNLS ] Hyperspectral and SAR Image Classification via Multiscale Interactive Fusion Network

1 . 研究动机

• 由于单源数据的局限性，利用多源遥感数据联合分类受到关注

• 现有的多源遥感数据联合分类方法仍然存在一定缺陷

  1. 单源数据特征提取

  ​ HSI空间分辨率低，易受大气干扰，较难捕捉空间上下文信息；

  ​ 采用不同卷积核提取多尺度信息然后通过聚合融合，不能保证多尺度提取核融合的有效性，增加了模型参数和复杂性

  2. 多源数据特征融合

  ​ 卷积局部特征提取能力强，多源数据远程位置间的依赖性无法传输

本文提出一种基于多尺度交互信息提取的高光谱和SAR联合分类方法（MIFNet）

• 首先 设计多尺度信息提取模块MIIE ，丰富单源数据特征表示
• 此外，设计全局依赖性融合模块（GDFM），捕捉全局依赖性，实现多源数据全局融合