Для извлечения пространственно-спектральных совместных признаков гиперспектральных изображений в данной работе предложена модель классификации гиперспектральных изображений на основе усовершенствованной резидуальной сети с пространственно-пирамидальным механизмом внимания. Сначала применяется метод главных компонент для удаления спектральной избыточности, а в сочетании с пространственно-пирамидальным механизмом внимания усовершенствованная резидуальная сеть получает тонкие признаки. Затем используется пространственно-пирамидальная модель внимания для реализации многомасштабного совместного внимания к признакам, повышая чувствительность к совмещённым признакам, эффективно подчёркивая и фокусируя пространственную и спектральную информацию для взаимодействия данных. Наконец, с помощью классификатора Softmax получают метки классов. Предложенный метод был протестирован на наборах данных MUUFL и Tento, результаты показали общую точность классификации 94.08% и 98.32% соответственно. По сравнению с другими моделями классификации гиперспектральных изображений, наша модель быстрее сходится и демонстрирует заметный рост производительности, достигая более высокой точности классификации объектов.

гиперспектральный;классификация изображений;механизм внимания;пространственно-спектральные признаки