该研究提出了多种基于Mamba模型的高光谱图像分类方法，如SS-Mamba、HSIMamba和RSMamba，结合光谱与空间信息，显著提高了分类准确性和计算效率。实验结果表明，这些方法在多个数据集上表现优异，推动了遥感应用的发展。

本文介绍了多种基于Mamba模型的高光谱图像处理方法，如S^2Mamba、FusionMamba、HSIMamba和HSDM。这些方法通过结合空间和光谱特征，提高了图像分类和去噪的准确性与效率，尤其在计算资源有限的环境中表现优异，推动了遥感应用的发展。

深度学习在遥感应用中起关键作用，但在地物覆盖分类任务中交互式分割应用较少。本研究评估了五种交互式分割方法在航空影像数据集上的性能，并引入了一种创新的推理策略。结果显示，基于点的方法始终优于其他方法。研究还开发了一个名为RSISeg的在线工具，具有较强的交互性、可修改性和适应性。

深度学习在遥感应用中的重要性日益增强，尤其在地物分割和分类方面。本研究评估了五种交互式分割方法在航空影像数据集上的性能，并引入了一种新的推理策略。结果显示，基于点的SimpleClick方法表现最佳。研究还开发了一个名为RSISeg的在线工具，具有较强的交互性和适应性。

深度学习在遥感应用中的重要性不断增强。本研究评估了五种交互式分割方法，发现基于点的SimpleClick模型表现最佳。研究团队开发了名为RSISeg的在线工具，具有更强的交互性、可修改性和适应性。