首页|基于空谱分组卷积密集网络的高光谱图像分类

基于空谱分组卷积密集网络的高光谱图像分类

扫码查看
原文链接
  • 万方数据
  • 维普
针对高光谱图像分类在特征提取过程中高分辨率信息丢失,导致分类精度下降的问题,提出一种基于空谱分组卷积密集网络的高光谱图像分类方法.设计光谱-空间三维分组卷积密集模块,对光谱与空间特征进行分步提取,利用分组卷积构造的密集网络能减少数据固有信息冗余,使高分辨率的特征进行重用,避免细节特征信息丢失;设计光谱残差注意力模块,该模块通过结合空-谱特征计算注意力权重,对提取到的光谱特征进行权重重分配,对光谱信息富有的区域进行增强.实验结果表明,相比于若干最优的深度网络方法,所提高光谱图像分类方法具有更好的分类性能.
Hyperspectral image classification based on spatial-spectral group convolution dense network

欧阳宁、李祖锋、林乐平

展开 >

桂林电子科技大学 信息与通信学院 认知无线电与信息处理省部共建教育部重点实验室,广西 桂林 541004

桂林电子科技大学 信息与通信学院,广西 桂林 541004

高光谱图像分类 三维分组卷积 密集网络 光谱残差注意力模块 空-谱特征

国家自然科学基金国家自然科学基金国家自然科学基金广西科技基地和人才专项广西自然科学基金广西无线宽带通信与信号处理重点实验室项目

620011336166101761362021桂科AD191100602017GXNSFBA198212GXKL06200114

2022

10.16208/j.issn1000-7024.2022.07.029

计算机工程与设计
中国航天科工集团二院706所

计算机工程与设计

CSTPCD北大核心
影响因子：0.617
ISSN：1000-7024
年,卷(期)：2022.43(7)
  • 1
  • 2