基于多尺度空洞卷积注意力网络的高光谱影像分类方法

摘要

本发明公开了一种基于多尺度空洞卷积注意力网络的高光谱影像分类方法，可以高效提取高光谱影像的特征，显著提高地物分类的精度。且分类性能较传统的2D‑CNN与3D‑CNN等模型相比，在遥感影像分类上有明显的优势。传统的高光谱图像分类算法(如2D‑CNN、3D‑CNN等)不能充分利用光谱‑空间的有效信息，反而在提取特征时误用干扰冗余信息，而基于多尺度空洞卷积注意力网络模型，通过引入浅层特征预提取模块、多尺度滤波器、空洞卷积和注意力模块，可以获取更丰富的空间‑光谱判别特征，且将特征图的注意力集中在那些包含大量有用信息的特征上，为高层次特征提供更好的像素级注意，极大提高了模型的分类精度。