基于自高斯与通道注意力的重塑卷积高光谱图像分类算法

TP391; 针对传统卷积受限固有的网络结构,缺乏建立远程依赖关系的能力和分类精度较差等问题,提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法(RC-LSGA)模型.RC-LSGA模型首先采用卷积层提取浅层空间信息的特征,再使用通道注意力机制增强光谱特征,然后通过LSGA Transformer模块和重塑卷积分支对全局-局部特征信息进行提取,最后将获得的特征输入分类器实现分类.RC-LSGA模型能够有效区分不同波段信息,对PU、SA和LK数据集中类别识别的平均准确率分别达到 98.20%、99.33%和 99.46%.实验结果表明,在训练样本数量有限的情况下,RC-LSGA模型性能优...

Full description

Saved in:
Bibliographic Details
Published in辽宁工程技术大学学报（自然科学版） Vol. 43; no. 6; pp. 742 - 751
Main Authors 谭云飞, 李明, 罗勇航, 文贵豪, 石超山
Format Journal Article
LanguageChinese
Published 重庆师范大学 计算机与信息科学学院,重庆 401331 01.12.2024
Subjects
重塑卷积
高光谱图像分类
LSGA Transformer模块
LSGA Transformer module
hyperspectral image classification
channel attention
通道注意力
reshaped convolutional
Online AccessGet full text

Cover

More Information
Summary:TP391; 针对传统卷积受限固有的网络结构,缺乏建立远程依赖关系的能力和分类精度较差等问题,提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法(RC-LSGA)模型.RC-LSGA模型首先采用卷积层提取浅层空间信息的特征,再使用通道注意力机制增强光谱特征,然后通过LSGA Transformer模块和重塑卷积分支对全局-局部特征信息进行提取,最后将获得的特征输入分类器实现分类.RC-LSGA模型能够有效区分不同波段信息,对PU、SA和LK数据集中类别识别的平均准确率分别达到 98.20%、99.33%和 99.46%.实验结果表明,在训练样本数量有限的情况下,RC-LSGA模型性能优异,在分类任务中实用价值较高.
ISSN:1008-0562
DOI:10.11956/j.issn.1008-0562.20230483