科研之友
微信
新浪微博
Facebook
分享链接
摘要
由于CNN对局部特征提取能力强，目前仍是高光谱影像处理和分析中的主流深度模型，但是CNN感受野有限，无法建立长距离依赖关系，学习全局语义信息受限。Transformer的自注意力机制可以对输入序列中的每个位置进行注意力计算，从而能有效获取全局上下文信息。如何实现CNN和Transformer的技术耦合并充分利用空间信息和光谱信息进行高光谱遥感影像分类是一个重要的待研问题。鉴于此，本文提出一种新的基于三维卷积和Transformer的高光谱遥感影像分类方法，尝试联合空谱特征实现解译能力的提升。首先使用主成分分析方法对高光谱遥感影像沿垂直方向降维；接着用非负矩阵分解算法对降维后遥感影像沿水平方向进行空间特征提取，然后将两种工具处理后遥感影像进行拼接，以充分保留信息；随后再用三维卷积核对拼接后遥感影像进行空间特征和光谱特征的综合提取；最后用Transformer的注意力机制对提取空间信息和光谱信息的遥感影像序列建立长距离依赖关系并使用多层感知机完成分类任务。实验表明，本研究提出方法在WHU-Hi龙口、汉川、洪湖以及雄安新区马蹄湾村数据集上均表现出比对比方法更优异的分类性能，显示本文所提方法具有一定的泛化性和稳健性。
- 单位
