基于3D卷积联合注意力机制的高光谱图像分类

发布时间：2021-05-31 20:36

　　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。 

【文章来源】：红外技术. 2020,42(03)北大核心CSCD

【文章页数】：8 页

【部分图文】：

注意力机制神经网络模型Fig.3Attentionmechanismneuralnetworkmodeljh3ht..tt

【参考文献】：
期刊论文
[1]基于联合协同表示与SVM决策融合的高光谱图像分类研究[J]. 李铁,张新君.  计算机应用研究. 2017(06)
[2]基于经验模态分解的SVM-KNN高光谱图像分类方法[J]. 左航.  微型电脑应用. 2016(12)
[3]加权空-谱与最近邻分类器相结合的高光谱图像分类[J]. 黄鸿,郑新磊.  光学精密工程. 2016(04)



本文编号：3208934