-
题名基于空谱分组卷积密集网络的高光谱图像分类
被引量：2
- 1
-
-
作者
欧阳宁
李祖锋
林乐平
-
机构
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
桂林电子科技大学信息与通信学院
-
出处
《计算机工程与设计》
北大核心
2022年第7期2031-2039,共9页
-
基金
国家自然科学基金项目(62001133、61661017、61362021)
广西科技基地和人才专项基金项目(桂科AD19110060)
+1 种基金
广西自然科学基金项目(2017GXNSFBA198212)
广西无线宽带通信与信号处理重点实验室基金项目(GXKL06200114)。
-
文摘
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
-
Keywords
hyperspectral image classification
3D group-convolution
dense network
spectral residual attention module
spatial-spectral features
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
