基于超像素分割的图注意力网络的高光谱图像分类 |
| |
引用本文: | 高路尧,胡长虹,肖树林.基于超像素分割的图注意力网络的高光谱图像分类[J].吉林大学学报(理学版),2024(2):357-368. |
| |
作者姓名: | 高路尧 胡长虹 肖树林 |
| |
作者单位: | 1. 中国科学院长春光学精密机械与物理研究所;2. 中国科学院大学 |
| |
摘 要: | 针对卷积神经网络(CNN)仅能应用于欧氏数据,无法有效获取像素间的全局关系特征以及长距离上下文信息的问题,构建一个基于超像素分割的图注意力网络SSGAT.该网络将超像素分割后的超像素块视为图结构中的图节点,有效减少了图结构的复杂度,并降低了分类图的噪声.在3个数据集上对SSGAT及对比算法的分类精度进行测试,分别获得了94.11%,95.22%,96.37%的总体分类精度.结果表明该方法性能优异,在处理大尺度区域的分类问题时优势明显.
|
关 键 词: | 高光谱图像 图注意力网络 残差机制 超像素分割 |
|
|