基于多重卷积和空谱注意力Transformer的双流高光谱图像分类网络

摘要

针对现有的卷积神经网络(convolutional neural network, CNN)方法在高光谱图像分类过程中存在的空谱联合特征利用不充分，对全局特征的关注度不足的问题，设计了一种基于多重卷积和空谱注意力Transformer的双流高光谱图像分类网络，通过CNN和Transformer相结合的双流结构，实现局部和全局特征的充分利用。首先，在CNN支路，设计了一种基于多重卷积的空谱特征融合结构，通过多重卷积实现空间和光谱维特征的充分挖掘和融合；其次，在Transformer网络支路则使用空谱注意力机制捕获整个图像的全局信息；最后，2条分支通过决策级融合实现了高性能的分类效果。基于4个典型数据集的测试结果表明，该算法的分类结果与当前主流算法相比，均有不同程度的提升。

关键词

双流网络 / 多重卷积 / 空谱注意力机制 / 高光谱图像 / 地物分类 / 特征融合