高スペクトル画像データの不均一な分布、空間スペクトル特徴の十分な抽出不足、およびネットワーク層数の増加によるネットワーク劣化の問題に対し、多尺度混合畳み込みネットワークに基づく高スペクトル画像分類方法を提案する。まず、主成分分析を用いて高スペクトルデータの次元削減を行い；次に、隣接抽出により隣接領域内のピクセルを1つのサンプルとして空間情報を補完し；その後、多尺度混合畳み込みネットワークを用いて前処理されたサンプルデータから特徴抽出を行い、空間およびスペクトル次元における有用な情報を強化するために混合ドメイン注意機構を導入する；最後に、Softmax分類器を用いて各ピクセルサンプルのカテゴリ分類を実施する。実験結果は、提案モデルをIndian PinesとPavia Universityの2つの高スペクトルデータセットで評価し、全体分類精度、平均分類精度およびカッパ係数がそれぞれ0.9879、0.9833、0.9862および0.9990、0.9969、0.9986に達したことを示した。このアルゴリズムは高スペクトル画像の特徴情報をより十分に抽出でき、他の分類手法と比較して優れた分類性能を達成した。

高スペクトル画像;混合畳み込みネットワーク;多尺度特徴;注意機構