近日，课题组亓林老师和硕士生岳梦伊，在遥感邻域主流期刊IEEE GRSL发表了题为“Deep Attention-Guided Spatial–Spectral Network for Hyperspectral Image Unmixing”的学术论文。

基于深度学习的方法在高光谱图像解混中被广泛应用，尤其是最近无监督自编码器网络在高光谱图像解混中取得了出色的表现。尽管一些现有的解混方法考虑了空间信息，但空间结构的利用还不够有效。在这篇论文中，我们提出了一种用于高光谱图像解混的深度注意力引导的空间-光谱网络（Deep Attention-Guided Spatial–Spectral Network），称为DASS-Net。我们设计了一个邻域空间注意力模块，其中，中心像素的丰度特征动态加权了邻域像素的粗粒度特征。此外，我们还引入了双门控机制进一步整合空间和光谱信息。实验结果表明，DASS-Net在端元提取方面性能优异，显著优于当前主流方法。

论文链接：https://ieeexplore.ieee.org/abstract/document/10371391