科研之友
微信
新浪微博
Facebook
分享链接
摘要
考虑到高光谱图像训练样本数量有限以及光谱维度高对分类精度的影响，本文提出了结合动态卷积和三重注意力机制（Triplet Attention）的高光谱分类方法。该方法首先采用主成分分析去除光谱冗余，然后输入改进的残差网络中。其次，在残差网络中引入动态卷积，利用动态卷积核提取深度精细化特征，并利用Triplet Attention模型实现跨维度信息交互，关注更重要的高光谱空谱特征，降低无用信息的影响。最后使用Softmax全连接层实现对高光谱图像的分类。在Pavia University、Kennedy Space Center、Salinas三个公开数据集上将本文算法和其它6种分类算法进行对比实验，结果表明本文提出的模型获得了最优的分类效果，总体分类精度分别达到了97.49%、94.21%、98.65%。
- 单位
