多尺度注意力聚合图卷积的高光谱分类 |
| |
引用本文: | 孙学进,李靖,曹绍华,王娟娟.多尺度注意力聚合图卷积的高光谱分类[J].湖南科技大学学报(自然科学版),2022,37(4):94-103. |
| |
作者姓名: | 孙学进 李靖 曹绍华 王娟娟 |
| |
作者单位: | 1.青岛黄海学院 大数据学院,山东 青岛 266427;2.中国石油大学(华东) 计算机科学与技术学院,山东 青岛 266580 |
| |
基金项目: | 山东省重点研发计划资助项目(2019GGX105001) |
| |
摘 要: | 在遥感图像分类任务中,考虑到传统卷积滤波器受限于接受域,不能有效地捕获地物丰富的细节信息的缺陷,同时,为加强邻域内像元之间的多尺度时空交互,提出一种多尺度注意力聚合图卷积的高光谱图像分类方法.首先,为了增强遥感图像中地物的时空表征能力,构建不同尺度的拓扑图,以实现时空信息的建模.其次,利用图卷积神经网络加强相邻节点之间的交互性,提高时空信息的汇聚和传递,同时,利用自注意力引导层自适应地细化多尺度信息,以捕捉时空信息在通道之间的相关性和位置信息.此外,相邻节点特征差的范数为节点之间的边权重,而层之间信息的传递采用动态聚合方式.试验结果表明:所提出的分类框架在Indian Pines基线数据集上的总体分类精度(OA)、平均分类精度(AA)和卡帕系数(Kappa)分别为(99.80±0.15)%, (98.30±1.28)%和(99.77±0.17)% .
|
关 键 词: | 遥感图像分类 多尺度时空交互 图卷积网络 动态聚合 自注意力网络 多尺度信息 |
|
| 点击此处可从《湖南科技大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南科技大学学报(自然科学版)》下载免费的PDF全文 |
|