Para extraer características conjuntas espaciales y espectrales de imágenes hiperespectrales, este artículo propone un modelo de clasificación de imágenes hiperespectrales basado en una red residual mejorada con un mecanismo de atención piramidal espacial. Primero se utiliza análisis de componentes principales para eliminar la redundancia espectral, combinado con el mecanismo de atención piramidal espacial, el modelo mejorado de red residual para clasificación de imágenes hiperespectrales obtiene características refinadas. Luego, el modelo de atención piramidal espacial logra la atención conjunta a múltiples escalas, aumentando la sensibilidad a las características conjuntas y destacando eficazmente la información espacial y espectral para lograr la interacción de información. Finalmente, se obtienen las etiquetas de clasificación mediante un clasificador Softmax. El método propuesto se probó en los conjuntos de datos MUUFL y Tento, mostrando resultados que indican una precisión global de clasificación del 94.08% y 98.32%, respectivamente. En comparación con otros modelos de clasificación hiperespectral, nuestro modelo converge más rápido y mejora significativamente el desempeño de clasificación, logrando una mayor precisión en la clasificación de objetos.

hiperespectral;clasificación de imágenes;mecanismo de atención;características espaciales-espectrales