基于双池化注意力机制的高光谱图像分类算法

作者：陈栋; 李明; 李莉; 陈淑文

来源：南京信息工程大学学报(自然科学版), 2023, 15(04): 393-402.

DOI：10.13878/j.cnki.jnuist.20220505003

• 卷积神经网络
• 高光谱图像
• 分类
• 注意力机制
• 空谱特征提取

为了提高高光谱图像在有限训练样本下的分类性能，提出了一种基于双池化注意力机制的高光谱图像分类网络(DPAMN).首先，采用三维卷积提取高光谱图像的空间和光谱浅层信息.其次，为了增强网络的特征提取能力，在DPAMN中引入了一种双池化注意力机制.最后，在网络的深层引入三维卷积密集连接模块，该模块不仅能够充分提取高光谱图像的空间和光谱特征，同时还能提高特征的判别能力.实验结果表明，在Indian Pines、University of Pavia、Salinas以及Houston 2013数据集上分别取得95.45%、97.11%、95.30%以及93.71%的整体平均精度，与目前主流的已有先进方法相比，所提出的方法在4个数据集上均有较大提升，表明所提方法具有较强的泛化能力.

• 单位
  重庆师范大学