LightMamba：一种轻量级Mamba用于高光谱图形和激光雷达数据联合分类网络

来源：电子与信息学报杂志2025年第12期北京时间：

作者：廖帝灵, 赖涛, 黄海风, 王青松

单位：中山大学电子与通信工程学院 深圳 518107

摘要：高光谱图像(HSI)和激光雷达(LiDAR)数据的联合分类是遥感领域的一项关键任务，它通过融合丰富的光谱信息和精确的三维结构信息，显著提升了对地物识别的精度。然而，现有的基于深度学习(DL)的联合分类方法依然受限于高模型计算复杂度。因此，该文提出一种新颖的轻量级Mamba网络。该网络的核心是引入了先进的状态空间模型(SSM)，其线性计算复杂度特性使其能够高效地建模遥感数据中的长距离上下文依赖关系。首先，多源对齐模块被用于对异构的HSI和LiDAR数据进行特征提取与空间-光谱维对齐，以提供一致的特征表示；其次，多源轻量Mamba模块以LiDAR的高程信息作为引导，采用轻量化设计融合双流序列，高效建模长距离依赖；最后，设计了一种基于MLP的分类器，并输出分类结果。在多个公开基准数据集上的实验结果表明，与当前先进方法相比，LightMamba在分类精度上取得了显著提升，同时保持了更低的计算复杂度，证明了基于Mamba的架构在遥感多源数据融合与分类任务中的巨大潜力。LightMamba的代码可访问https://www.scidb.cn/detail?dataSetId=064dc4ac5350418e87a8b82dd324737b&version=V1&code=j00173。

关键词：高光谱图像分类, 多源数据融合, 状态空间模型, 轻量级网络, Mamba

基金资助：国家自然科学基金(62273365)，“小米青年学者”项目