改进3D-Octave卷积的高光谱图像分类方法

作者：郑宗生; 王政翰^*; ***; 卢鹏; 霍志俊; 高萌

来源：自然资源遥感, 2023, 1-10.

• 空间冗余
• 3D-Octave卷积
• 跨层融合
• 多尺度
• 三维注意力机制

高光谱图像数据具有维度高、数据稀疏、空间光谱信息丰富等特点,针对空谱联合分类模型中高光谱图像卷积操作处理大片相同类别像素区域时会存在计算的空间冗余,3D卷积对深层空间纹理特征提取不充分,串行注意力机制结构不能充分考虑空谱相关性的问题,本文提出了改进的3D-Octave卷积高光谱图像分类模型。首先改进的3D-Octave卷积模块将输入的高光谱图像数据划分为高频特征图和低频特征图,减少空间信息冗余,提取多尺度的空间光谱特征,结合跨层融合策略,加强对浅层空间纹理特征和光谱特征的提取。随后利用2D卷积提取深层空间纹理特征并进行光谱特征融合。最后使用三维注意力机制跨纬度交互实现对有效特征的关注和激活,增强网络模型的性能和鲁棒性。结果表明,由于充分提取有效空谱联合特征,在印第安松树林(Indian Pines, IP)数据集的训练集比例为10%的条件下,OA、Kappa、AA分别为99.32%、99.13%,99.15%;在帕维亚大学(Pavia University,PU)数据集的训练集比例为3%的条件下,OA、Kappa、AA分别为99.61%、 99.44%、99.08%。与5个主流分类模型进行对比,获得了更高的分类精度。

• 单位
  上海海洋大学