考虑到高光谱图像训练样本数量有限及高光谱维度对分类精度的影响,提出了一种结合动态卷积和三重注意力机制(TA)的高光谱分类算法。首先,采用主成分分析(PCA)去除光谱冗余,并将处理后的数据输入改进的残差网络中。然后,在残差网络中引入动态卷积,利用动态卷积核提取深度精细化特征,并利用TA模型实现跨维度信息交互,关注更重要的高光谱空间-光谱特征,降低无用信息的影响。最后,使用Softmax全连接层实现对高光谱图像的分类。在Pavia University、Kennedy Space Center、Salinas 3个公开数据集上与其他6种分类算法进行了比较,实验结果表明,所提算法的分类效果最优,总体分类精度分别达到了97.49%、94.21%、98.65%。
暂无评论