（TGRS 2025 ）HTD-Mamba高光谱目标检测，效率与精度双SOTA，涨点起飞

主要观点总结

本文介绍了一篇关于高光谱目标检测（HTD）的论文HTD-Mamba。该论文引入了Mamba算法，并结合空间编码的光谱增强方法（SESA）和金字塔状态空间模型（Pyramid SSM）进行高效的高光谱目标检测。文章的关键点包括Mamba的引入、SESA方法的设计、Pyramid SSM作为主干网络的使用以及整体架构的效率和效果。

关键观点总结

关键观点1: 引入Mamba算法

首次将Mamba引入高光谱目标检测任务，利用其线性复杂度和长序列建模能力，有效捕捉光谱维度的长距离依赖关系。

关键观点2: 空间编码的光谱增强方法（SESA）

提出SESA方法，通过上下文像素的光谱相似性构造新视图，实现增强。实验表明SESA在对比其他光谱增强策略时表现出优越性。

关键观点3: 金字塔状态空间模型（Pyramid SSM）

设计Pyramid SSM作为主干网络，实现多分辨率光谱特征的提取与融合，增强模型对光谱变化的鲁棒性和表达能力。实验结果显示Pyramid SSM在效率、性能、计算资源方面达到最佳平衡。

关键观点4: HTD-Mamba的整体架构和效果

结合空间增强与Pyramid SSM的高光谱目标检测框架，具备高效性、可扩展性和强泛化能力。可视化结果证明HTD-Mamba在目标检测方面的优越性。

免责声明