Para extrair características espaciais e espectrais conjuntas de imagens hiperespectrais, este artigo propõe um modelo de classificação de imagens hiperespectrais baseado em uma rede residual aprimorada com mecanismo de atenção piramidal espacial. Primeiro, é utilizado o método de análise de componentes principais para remover a redundância espectral, combinado com o mecanismo de atenção piramidal espacial, o modelo aprimorado de rede residual para classificação de imagens hiperespectrais obtém características refinadas. Em seguida, o modelo de atenção piramidal espacial realiza a atenção conjunta multiescala das características, aumentando a sensibilidade às características conjuntas e enfatizando eficazmente as informações espaciais e espectrais para realizar a interação de informações. Finalmente, as etiquetas de classificação são obtidas por meio de um classificador Softmax. O método proposto foi testado nos conjuntos de dados MUUFL e Tento, e os resultados indicam que a precisão geral de classificação do nosso algoritmo atingiu 94,08% e 98,32%, respectivamente. Em comparação com outros modelos de classificação hiperespectral, nosso modelo converge mais rapidamente e obtém melhorias significativas no desempenho de classificação, alcançando maior precisão na classificação dos objetos.

hiperespectral;classificação de imagens;mecanismo de atenção;características espaciais-espectrais