基于卷积残差注意力网络的高光谱图像分类算法

来源：信号处理杂志 2024年第3期北京时间：

作者：涂兵, 贺燕, 胡江红, 陈云云

摘要：基于卷积神经网络（CNN： Convolutional Neural Network）的高光谱图像（HSI： Hyperspectral Image）分类方法显著提高了分类性能，然而在获取深层语义特征方面存在瓶颈，且随着网络层数增加，计算成本明显上升。注意力机制允许网络集中注意力于特定区域或通道，提高对关键信息的感知，且有助于处理图像中的长距离依赖关系，促使网络同时获取局部特征和全局特征。因此，本文提出一种基于卷积残差注意力网络的高光谱图像分类算法。首先，设计了光谱-空间特征提取模块，使网络能够更全面地捕捉高光谱图像中的信息；其次，设计注意力增强骨干，通过注意力机制和残差网络的交互，更加关注重要的通道和特定区域，提高特征的判别能力并增强对空间信息的感知能力；最后引入注意力对比学习，增强样本类内间的关联度与类间的区分度。在三个公开的高光谱数据集上的实验结果表明，相较于已有代表性高光谱图像分类算法，所提方法的分类性能更优异。

关键词：卷积神经网络, 高光谱图像, 注意力机制, 残差网络