基于 3 D卷积联合注意力机制的高光谱图像分类

由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难.为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法.首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性.接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习.最后,通过投票策略获得像素标签.实验是在两个真实的高光谱图像数据集上进行.结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度.