基于快速双分支密集连接网络和双注意力机制的高光谱图像分类

作者：杨国亮; 龚家仁^*; 习浩; 李世聪; 邹俊峰

来源：激光与光电子学进展, 2022, 59(08): 71-82.

• 图像处理
• 高光谱图像分类
• 主成分分析
• 密集连接
• 双注意力机制
• 快速傅里叶变换

近年来，基于深度学习的高光谱图像（HSI）分类研究引起了各领域的广泛关注。HSI光谱波段数多、信息冗余度高、计算复杂，出现训练样本不足的问题，容易导致模型训练过拟合，影响分类精度。为了提高分类精度并减少训练时间，提出一种基于三维卷积神经网络（3D-CNN）并结合双分支双注意力机制的快速密集连接网络，用于HSI的分类。首先利用主成分分析（PCA）对原始数据进行降维，减少冗余信息，然后采用双分支密集连接结构，并结合快速傅里叶变换（FFT）的双分支高效通道注意力（ECA）机制，同时增加了一个FFT层，既保证了模型的分类精度，也加快了模型的训练速度。在多个公共高光谱数据集上对方法进行实验验证，性能评估指标采用总体分类精度（OA），平均分类精度（AA）和Kappa系数。实验结果表明，所提方法在提高分类精度的同时，显著减少了训练时间和测试时间。

• 单位
  江西理工大学; 自动化学院