文献类型：期刊文章

作　　者：李军[1] 余龙[2] 段依琳[1] 卓莉[2]

LI Jun;YU Long;DUAN Yilin;ZHUO Li(Hubei Key Laboratory of Intelligent Geo-Information Processing,School of Computer Science,China University of Geosciences(Wuhan),Wuhan 430078,China;School of Geography and Planning,Sun Yat-sen University,Guangzhou 510006,China)

机构地区：[1]中国地质大学(武汉)计算机学院,智能地学信息处理湖北省重点实验室,武汉430078 [2]中山大学地理科学与规划学院,广州510006

出　　处：《遥感学报》

基　　金：国家杰出青年科学基金(编号:T2225019)。

年　　份：2025

卷　　号：29

期　　号：6

起止页码：1681-1704

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：遥感技术的飞速发展带来了多样化的遥感数据,高光谱图像作为其中光谱分辨率最高的类型,一直是对地观测各项应用的重要数据源。而在计算机视觉领域,以深度学习为代表的模式识别算法也不断发展和突破,这为高光谱遥感相关应用提供了更有效的技术手段。其中,图神经网络是近年来在高光谱遥感图像解译任务中被广泛利用的有效方法,可以在少量标记样本下利用样本间潜在关系挖掘局部和全局的上下文信息,生成高精度的分类结果。本文从现有研究中总结了最常用的几种图神经网络框架,通过分解每种框架的结构来分析文献中方法的特点,并对这些方法整理归类。本文从图连接、图节点、网络模型3个角度分析遥感领域中的图神经网络方法,分别依据连接的空间范围、节点的信息层次、模型的不确定性将已有研究成果归类。另外,本文介绍了图神经网络在不同模态数量、不同标记数量下的高光谱遥感图像分类应用。最后,本文分别从深度图网络、结合其他深度学习技术、基于图神经网络的大模型3个方面总结和展望了图神经网络的前沿技术,为今后图神经网络在遥感领域的研究提供方向和思路。

关 键 词：高光谱遥感 分类  图神经网络  图卷积网络  深度学习  

分 类 号：TP701] P2]