基于双池化注意力机制的高光谱图像分类算法

来源：南京信息工程大学学报·自然科学版杂志2023年第4期北京时间：

作者：陈栋，李明，李莉，陈淑文

单位：陈栋,重庆师范大学 计算机与信息科学学院, 重庆, 401331,李明,重庆师范大学 计算机与信息科学学院, 重庆, 401331,20131052@cqnu.edu.cn李莉,西南大学 计算机与信息科学学院, 重庆, 400715,陈淑文,重庆师范大学 数学科学学院, 重庆, 401331

摘要：为了提高高光谱图像在有限训练样本下的分类性能,提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先,采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次,为了增强网络的特征提取能力,在DPAMN中引入了一种双池化注意力机制.最后,在网络的深层引入三维卷积密集连接模块,该模块不仅能够充分提取高光谱图像的空间和光谱特征,同时还能提高特征的判别能力.实验结果表明,在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45％、97.11％、95.30％以及93.71％的整体平均精度,与目前主流的已有先进方法相比,所提出的方法在4个数据集上均有较大提升,表明所提方法具有较强的泛化能力.

关键词：卷积神经网络;高光谱图像;分类;注意力机制;空谱特征提取

基金资助：国家自然科学基金(61877051,6117 0192);重庆市科委重点项目(cstc2017zdcy-zd yf0366);重庆市教委项目(113143);重庆市研究生教改重点项目(yjg182022)