基于3D卷积联合注意力机制的高光谱图像分类

• 作者: 寻丽娜 张晶晶 李园园 王峰 王浩
• 来源期刊: 红外技术
• 学科: 数学
• 关键词: 高光谱图像分类 注意力机制 深度学习 像素配对
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 264-271
• 页数: 8页
• 分类号: O235
• 字数: 4631字
• 语种: 中文

摘要

由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难.为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法.首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性.接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习.最后,通过投票策略获得像素标签.实验是在两个真实的高光谱图像数据集上进行.结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晶晶	安徽大学电气工程与自动化学院计算智能与信号处理教育部重点实验室	20	135	7.0	11.0
2	寻丽娜	安徽大学电气工程与自动化学院计算智能与信号处理教育部重点实验室	6	9	2.0	3.0
3	王浩	安徽大学电气工程与自动化学院计算智能与信号处理教育部重点实验室	17	43	3.0	6.0
4	王峰		7	14	2.0	3.0
5	李园园	安徽大学电气工程与自动化学院计算智能与信号处理教育部重点实验室	1	0	0.0	0.0