|
|||||
|
|
| 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 |