Pour extraire les caractéristiques spatiales et spectrales conjointes des images hyperspectrales, cet article propose un modèle de classification d'images hyperspectrales basé sur un réseau résiduel amélioré avec un mécanisme d’attention pyramidal spatial. Tout d'abord, l'analyse en composantes principales est utilisée pour éliminer la redondance spectrale, combinée au mécanisme d’attention pyramidal spatial, le modèle de classification des images hyperspectrales basé sur le réseau résiduel amélioré obtient des caractéristiques affinées. Ensuite, le modèle d'attention pyramidal spatial réalise une attention conjointe multi-échelle aux caractéristiques, améliorant la sensibilité aux caractéristiques conjointes, et mettant efficacement en avant et en focus les informations spatiales et spectrales pour réaliser l’échange d’informations. Enfin, les étiquettes de classification sont obtenues via un classifieur Softmax. La méthode proposée a été testée sur les ensembles de données MUUFL et Tento, avec des résultats montrant une précision globale de classification de 94,08 % et 98,32 % respectivement. Comparé à d'autres modèles de classification hyperspectrale, notre modèle converge plus rapidement et montre une amélioration significative des performances de classification, obtenant une meilleure précision de classification des objets.

hyperspectral;classification d'images;mécanisme d’attention;caractéristiques spatial-spatiales