结合组像素嵌入的双注意力高光谱图像分类

来源：计算机技术与发展杂志2024年第09期北京时间：

作者：谭云飞;李明;罗勇航;石超山;文贵豪

摘要：近年来,基于深度学习的框架在高光谱图像分类领域中取得了令人满意的结果。 然而,多数方法仍使用卷积神经网络作为主干网络,其存在感受野过小,对特征信息的挖掘不充分,序列建模的能力较弱,模型复杂和分类精度低等问题。为克服上述局限性,该文提出一种结合组像素嵌入的双注意力高光谱图像分类的方法。 该方法主要分成三个部分,首先,使用含有点卷积组和深度卷积组的通道空间卷积分离模块来高效学习空间光谱的特征信息;其次,添加通道空间双注意力机制,抑制冗余信息的干扰,增强高光谱图像空间与光谱的特征权重;最后,通过组像素嵌入 Transformer 来进一步强化空间与光谱之间的联系,建立全局长距离依赖关系,缓解精度下降的问题,保证了网络良好的分类性能。 实验结果表明,该方法与现有的网络模型相比具有更优越的性能,在 Pavia University 和 WHU-Hi-LongKou 两个数据集中的总体准确率分别达到 99. 26% 和 99. 73% 。

关键词：高光谱图像分类;卷积神经网络;通道空间卷积分离;双注意力机制;组像素嵌入Transformer