基于自高斯与通道注意力的重塑卷积高光谱图像分类算法

摘要

针对传统卷积受限固有的网络结构，缺乏建立远程依赖关系的能力和分类精度较差等问题，提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法（RC-LSGA）模型。RC-LSGA模型首先采用卷积层提取浅层空间信息的特征，再使用通道注意力机制增强光谱特征，然后通过LSGATransformer模块和重塑卷积分支对全局-局部特征信息进行提取，最后将获得的特征输入分类器实现分类。RC-LSGA模型能够有效区分不同波段信息，对PU、SA和LK数据集中类别识别的平均准确率分别达到98.20%、99.33%和99.46%。实验结果表明，在训练样本数量有限的情况下，RC-LSGA模型性能优异，在分类任务中实用价值较高。

关键词

高光谱图像分类 / 通道注意力 / LSGA Transformer模块 / 重塑卷积