基于空谱分组卷积密集网络的高光谱图像分类 |
| |
作者姓名: | 欧阳宁 李祖锋 林乐平 |
| |
作者单位: | 桂林电子科技大学 信息与通信学院 认知无线电与信息处理省部共建教育部重点实验室,广西 桂林 541004;桂林电子科技大学 信息与通信学院,广西 桂林 541004;桂林电子科技大学 信息与通信学院,广西 桂林 541004 |
| |
基金项目: | 国家自然科学基金项目(62001133、61661017、61362021);;广西自然科学基金项目(2017GXNSFBA198212); |
| |
摘 要: | 针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法。设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网络能减少数据固有信息冗余,使高分辨率的特征进行重用,避免细节特征信息丢失;设计光谱残差注意力模块,该模块通过结合空-谱特征计算注意力权重,对提取到的光谱特征进行权重重分配,对光谱信息富有的区域进行增强。实验结果表明,相比于若干最优的深度网络方法,所提高光谱图像分类方法具有更好的分类性能。
|
关 键 词: | 高光谱图像分类 三维分组卷积 密集网络 光谱残差注意力模块 空-谱特征 |
本文献已被 万方数据 等数据库收录! |
|