基于三维注意力与混合卷积的高光谱图像分类

针对现有高光谱图像分类模型在特征提取的过程中有效特征关注缺乏的问题，提出了一种基于三维卷积注意力与混合卷积的高光谱图像分类方法。该方法使用三维卷积和二维卷积串联完成对高光谱图像空谱特征的提取，并在三维卷积阶段引入注意力机制，使得模型在提取底层空谱特征的同时实现对有效特征的关注和激活。相对于传统三维卷积模型，提出的分类模型减小了运算复杂度，提升了模型噪声抑制能力，提高了分类效果。针对该方法的消融实验证明了提出的三维卷积注意力机制的有效性，在印第安松树林和帕维亚大学两个公开数据集上与其他5种分类模型的对比实验中取得了最优的分类精度。