摘要
高スペクトル画像の空間-スペクトル結合特徴を抽出するために、本論文では改良された空間ピラミッド注意機構残差ネットワークに基づく高スペクトル画像分類モデルを提案する。まず主成分分析法を用いてスペクトル冗長性を除去し、空間ピラミッド注意機構と組み合わせて改良された残差ネットワークの高スペクトル画像分類モデルによって精緻な特徴を取得する。次に空間ピラミッド注意モデルを活用してマルチスケールの結合特徴注目を実現し、結合特徴に対する感度を向上させ、空間およびスペクトル情報を効果的に強調・集中させて情報交流を実現する。最後にSoftmax分類器を通じて分類ラベルを取得する。本論文で提案した手法はMUUFLおよびTentoデータセットで実験を行い、結果は本アルゴリズムの全体分類精度がそれぞれ94.08％および98.32％に達したことを示している。他の高スペクトル分類モデルと比較して、本モデルは収束速度が速く、分類性能が大幅に向上し、より高い地物分類精度を獲得した。
关键词
高スペクトル;画像分類;注意機構;空間-スペクトル特徴
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website