基于阴影增强和注意力机制的高光谱图像分类

作者：刘秋月; 刘雪峰; 孙绍华^*

来源：电子测量技术, 2023, 46(08): 14-23.

DOI：10.19651/j.cnki.emt.2210938

• 高光谱图像
• DSR
• 阴影增强
• 卷积神经网络
• 图像分类
• 注意力机制

基于深度学习网络的高光谱图像分类能够有效地提取图像中的特征信息，促进遥感图像中丰富信息的挖掘与利用。然而，现有方法性能仍然受限于阴影信息不能充分提取、特征不能有效利用。针对阴影区域信息提取，动态随机共振能够利用噪声增强信号，提高信息的表达能力；针对特征利用，在卷积神经网络中嵌入注意力机制，能够在其提取的高层特征的基础上，从空间维度和通道维度进一步提取融合，筛选出对当前任务目标更为关键的特征，提升网络分类性能。实验结果表明：通过在含有阴影区域的真实高光谱图像数据集Hydice上仿真，动态随机共振能够有效增强信号进而将分类精度从96.48%提升到97.14%,卷积注意块的加入使分类精度提升了0.408 4%。进一步与其他分类方法在Hydice、Indian Pines、Pavia University进行实验对比验证，本文方法分类精度分别达到了97.436 1%、99.219 5%和99.929 9%,对不同数据集的分类都具有良好的表现，相较于其他方法具有明显优势，证明了该方法的有效性和良好的分类性能，在高光谱图像分类领域具有广阔的应用前景。

• 出版日期2023
• 单位青岛科技大学; 电子工程学院