基于超像素分割的图注意力网络的高光谱图像分类

来源：吉林大学学报·理学版杂志2024年第2期北京时间：

作者：高路尧, 胡长虹, 肖树林

单位：1. 中国科学院 长春光学精密机械与物理研究所, 长春 130033； 2. 中国科学院大学, 北京 100049

摘要：针对卷积神经网络(CNN）仅能应用于欧氏数据, 无法有效获取像素间的全局关系特征以及长距离上下文信息的问题,构建一个基于超像素分割的图注意力网络SSGAT. 该网络将超像素分割后的超像素块视为图结构中的图节点, 有效减少了图结构的复杂度, 并降低了分类图的噪声.在3个数据集上对SSGAT及对比算法的分类精度进行测试, 分别获得了94.11%,95.22%,96.37%的总体分类精度. 结果表明该方法性能优异, 在处理大尺度区域的分类问题时优势明显.

关键词：高光谱图像,图注意力网络,残差机制,超像素分割