基于自编码的高光谱图像波段加权分类网络研究

• 作者: 吴健辉 易嘉闻 李希 李彬 欧阳尔 赵林
• 来源期刊: 湖南理工学院学报（自然科学版）
• 关键词: 高光谱图像分类 波段加权 注意机制 卷积神经网络 深度学习
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 工程技术
• 页码范围: 34-39
• 页数: 6页
• 分类号: TP391.9
• 语种: 中文

摘要

高光谱图像(HSI)具有高维度的光谱波段信息,但也包含许多冗余光谱波段.在进行高光谱图像分类时,不同波段对分类任务的贡献存在差异性.为了高效利用光谱波段中的特征信息,提出一种新的编解码波段加权网络(EBW).该网络利用注意机制,根据不同波段对分类性能的贡献自适应地进行波段加权,从而提高输入数据中光谱信息的有效性.在EBW中,首先获取输入HSI的光谱波段信息,再利用自编码器提取的波段相关性和深度特征生成波段权重;然后对输入HSI的光谱波段进行加权;最后将加权后的图片输入到分类网络中得出预测结果.在PaviaU和Salinas数据集上的实验结果表明,与现有基于深度学习的加权方法相比,该方法具有更好的分类性能.