본 논문은 고해상도 스펙트럼 이미지 분류에서 국부 텍스처 및 경계 세부 손실, 합성곱 분기 수용 영역 제한 및 그래프 분기 층간 구조 정보 활용 부족 문제를 해결하기 위해 저주파 및 고주파 강화와 층간 그래프 합성곱 집합 기반의 합성곱-그래프 합성곱 결합 분류 모델을 제안한다. 이 방법은 저주파 및 고주파 잔차 강화를 통해 입력 피처 품질을 향상시키고, 합성곱 분기에서 다단계 동적 합성곱 인코딩을 사용해 다중 스케일 공간-스펙트럼 특징을 추출하며, 그래프 합성곱 분기에서 층간 그래프 특징 가중 집합을 적용해 영역 구조 모델링 능력을 강화하고, 교차 분기 주의 융합을 통해 두 경로 특징의 협동 모델링을 실현한다. Indian Pines, Pavia University 및 Salinas의 3개 공개 데이터셋에서 실험을 수행했으며, 전체 분류 정확도는 각각 92.94%, 95.11%, 97.50%이며, 해당 카파 계수는 91.94%, 93.50%, 97.22%이다. 결과는 제안된 방법이 국부 세부, 공간 컨텍스트 및 영역 토폴로지 구조 정보를 모두 고려하여 다양한 유형의 고해상도 스펙트럼 분류 장면에서 우수한 종합 분류 성능을 지님을 보여준다.

고해상도 스펙트럼 이미지 분류; 공간-스펙트럼 공동 특징; 그래프 합성곱 네트워크; 주의 융합