-
作者
谭云飞李明罗勇航文贵豪石超山
-
单位
重庆师范大学计算机与信息科学学院
-
摘要
针对传统卷积受限固有的网络结构，缺乏建立远程依赖关系的能力和分类精度较差等问题，提出一种基于自高斯与通道注意力的重塑卷积高光谱图像分类算法（RC-LSGA）模型。RC-LSGA模型首先采用卷积层提取浅层空间信息的特征，再使用通道注意力机制增强光谱特征，然后通过LSGATransformer模块和重塑卷积分支对全局-局部特征信息进行提取，最后将获得的特征输入分类器实现分类。RC-LSGA模型能够有效区分不同波段信息，对PU、SA和LK数据集中类别识别的平均准确率分别达到98.20%、99.33%和99.46%。实验结果表明，在训练样本数量有限的情况下，RC-LSGA模型性能优异，在分类任务中实用价值较高。
-
关键词
高光谱图像分类通道注意力LSGATransformer模块重塑卷积
-
基金项目(Foundation)
国家自然科学基金项目（61877051;61170192）；
-
文章目录
0引言
1 RC-LSGA模型整体框架
2算法描述
2.1混合谱空特征提取器
2.2通道注意力
2.3 LSGA Transformer网络
2.4重塑卷积分支
3实验
3.1高光谱数据集
3.2参数设置及调节
(1）输入尺寸敏感性分析
(2）学习率分析
(3)PCA维度分析
(4)LSGA Transformer层数分析
3.3对比实验结果与分析
3.4消融实验
3.5模型运行效率分析
4结论
-
引用格式
[1]谭云飞,李明,罗勇航,等.基于自高斯与通道注意力的重塑卷积高光谱图像分类算法[J].辽宁工程技术大学学报(自然科学版),2024,43(06):742-751.
辽宁工程技术大学学报(自然科学版) 
2024年第06期 
