في مواجهة مشكلات فقدان التفاصيل الحلقية والحواف المحلية في تصنيف الصور الطيفية عالية الأبعاد، وتقييد ميدان الاستقبال في فرع الالتفاف، وعدم كفاية استخدام معلومات بنية الطبقات المتقاطعة في الفرع الرسومي، قدمت هذه الورقة نموذج تصنيف مشترك يجمع بين الالتفاف والرسوم البيانية يعتمد على تعزيز الترددات العالية والمنخفضة والتجميع المتقاطع للطيونات الرسومية. تُحسّن هذه الطريقة جودة الميزات المدخلة من خلال تعزيز البقايا عالية ومنخفضة التردد، وتستخدم ترميز الالتفاف الديناميكي متعدد المراحل لاستخراج ميزات فضائية-طيفية متعددة المقاييس في الفرع الالتفافي، وتعزز قدرة النمذجة البنيوية الإقليمية في الفرع الرسومي عبر تجميع موزون للخصائص الطبقية المتقاطعة، كما تحقق الاندماج التعاوني لخصائص الفرعين عبر دمج الانتباه المتقاطع. أجريت التجارب على ثلاث مجموعات بيانات عامة هي Indian Pines وPavia University وSalinas، حيث بلغت الدقة الإجمالية للتصنيف 92.94٪ و95.11٪ و97.50٪ على التوالي، وكانت معاملات كابا المقابلة 91.94٪ و93.50٪ و97.22٪. تظهر النتائج أن الطريقة المقترحة تحقق توازناً بين التفاصيل المحلية، والسياق المكاني، ومعلومات الهيكل الطوبولوجي الإقليمي، وتتمتع بأداء تصنيف شامل جيد في سيناريوهات تصنيف الصور الطيفية عالية الأبعاد المتنوعة.

تصنيف الصور الطيفية عالية الأبعاد;الخصائص المكانية-الطيفية المشتركة;شبكة الطيات الرسومية;دمج الانتباه