融合Transformer和VGG网络的高光谱图像分类

作者：张**; 周浩^*; 王先旺

来源：传感器与微系统, 2023, 42(12): 142-150.

DOI：10.13873/J.1000-9787(2023)12-0142-04

• VGG网络
• 高光谱图像分类
• Transformer
• 空谱联合特征提取

在高光谱图像(HSI)光谱数据中，相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义。然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中，所提取的特征忽略了不同波段间信息的关联性。提出了一种融合Transformer和VGG网络的高光谱图像分类方法(SST＿Like)。采用3D卷积核的VGG网络提取空间光谱特征，基于多头自注意力(MSA)机制的Transformer网络提取连续光谱间信息，形成空谱联合特征，最终通过多层感知机(MLP)完成地物分类任务。本文提出的SST＿Like网络模型在3个HSI开放数据集上的实验结果表明，与传统基于CNN的HSI分类算法相比，可以提取更加深层的、判别性的特征，具有较高的分类性能。

• 单位
  云南大学