基于卷积残差注意力网络的高光谱图像分类算法

作     者：涂兵 贺燕 胡江红 陈云云 TU Bing;HE Yan;HU Jianghong;CHEN Yunyun

作者机构：南京信息工程大学物理与光电工程学院江苏南京210044 南京信息工程大学江苏省大气海洋光电探测重点实验室江苏南京210044 南京信息工程大学江苏省气象光子学与光电探测国际合作联合实验室江苏南京210044 湖南理工学院信息科学与工程学院湖南岳阳414002 

基　　金：国家自然科学基金项目(62271200) 南京信息工程大学科研启动经费(2023r091) 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2024年第40卷第3期

页      码：428-439页

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。

主 题 词：卷积神经网络 高光谱图像 注意力机制 残差网络 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

核心收录：

D　O　I：10.16798/j.issn.1003-0530.2024.03.002

馆 藏 号：203127473...