Hyperspectral Image Classification Based on 3D Convolution Joint Attention Mechanism
-
摘要: 由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难.为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法.首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性.接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习.最后,通过投票策略获得像素标签.实验是在两个真实的高光谱图像数据集上进行.结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度.
-
-
期刊类型引用(4)
1. 陈锦妮,拜晓桦,李云红,田谷丰. 基于PA-YOLO v5的印制电路板缺陷检测. 红外技术. 2024(06): 654-662 . 本站查看
2. 杨云,周瑶,陈佳宁. 基于多尺度混合卷积网络的高光谱图像分类. 液晶与显示. 2023(03): 368-377 . 百度学术
3. 孙丽英. 基于云计算技术的高光谱图像数据存储研究. 绥化学院学报. 2022(08): 157-160 . 百度学术
4. 张晓华. 基于对抗技术的高光谱图像分类系统的设计及实现. 测试技术学报. 2020(06): 520-525+543 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 498
- HTML全文浏览量: 39
- PDF下载量: 63
- 被引次数: 7