由于高光譜圖像存在較高的數(shù)據(jù)維數(shù),會給分類過程帶來一些困難。為了提高分類的準確率,提出了一種使用3D卷積聯(lián)合注意力機制的高光譜圖像分類方法。首先,將中心像素與周圍相鄰的其它像素進行配對,可以通過配對構(gòu)成多組新的像素對,充分利用了像素之間的鄰域相關(guān)性。接著,將像素對放入3D卷積聯(lián)合注意力機制網(wǎng)絡(luò)框架中進行分類,它能夠?qū)Ω吖庾V圖像中的特征進行選擇性的學(xué)習(xí)。最后,通過投票策略獲得像素標簽。實驗是在兩個真實的高光譜圖像數(shù)據(jù)集上進行。結(jié)果表明,所提出的方法充分挖掘了高光譜圖像的光譜空間特征,能有效地提高分類精度。 

【文章來源】：紅外技術(shù). 2020,42(03)北大核心CSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

注意力機制神經(jīng)網(wǎng)絡(luò)模型Fig.3Attentionmechanismneuralnetworkmodeljh3ht..tt

【參考文獻】：
期刊論文
[1]基于聯(lián)合協(xié)同表示與SVM決策融合的高光譜圖像分類研究[J]. 李鐵,張新君.  計算機應(yīng)用研究. 2017(06)
[2]基于經(jīng)驗?zāi)B(tài)分解的SVM-KNN高光譜圖像分類方法[J]. 左航.  微型電腦應(yīng)用. 2016(12)
[3]加權(quán)空-譜與最近鄰分類器相結(jié)合的高光譜圖像分類[J]. 黃鴻,鄭新磊.  光學(xué)精密工程. 2016(04)



本文編號：3208934