第3卷第2期2024年3月信息对抗技术InformationCountermeasureTechnologyVol.3No.2Mar.2024引用格式:翟希辰,刘军.基于注意力机制辅助的空谱联合残差网络的高光谱图像分类[J].信息对抗技术,2024,3(2):54-69.[ZHAIXichen,LIUJun.Spatial-spectralresidualnetworkwithattentionmechanismforhyperspectralimageclassification[J].InformationCounter-measureTechnology,2024,3(2):54-69.(inChinese)]基于注意力机制辅助的空谱联合残差网络的高光谱图像分类翟希辰,刘军*(中国科学技术大学信息科学技术学院,安徽合肥230027)摘要卷积神经网络(convolutionalneuralnetwork,CNN)是高光谱图像分类中一种常用的方法,有着较好的分类表现。然而,CNN不可避免地会提取出一些冗余特征,这对高光谱图像分类的准确率造成干扰。此外,高光谱图像分类还面临着同谱异物、同物异谱问题。为了解决以上这些问题,提出了一种基于注意力机制辅助空谱联合残差网络的高光谱图像分类方法。一方面,通过使用注意力机制辅助的3-D、2-D残差网络,同时从光谱维度和空间维度提取空谱联合特征,克服同谱异物、同物异谱问题;另一方面,引入通道注意力机制和空间注意力机制,有效降低了冗余空谱特征的干扰。在2种高光谱数据集上的实验结果表明,相比同类对比算法,所提出的方法具有更优越的分类性能。关键词遥感;高光谱图像;图像分类;空谱联合特征;注意力机制;残差网络中图分类号TP751.1文章编号2097-163X(2024)02-0054-16文献标志码ADOI10.12399/j.issn.2097-163x.2024.02.006Spatial-spectralresidualnetworkwithattentionmechanismforhyperspectralimageclassificationZHAIXichen,LIUJun*(SchoolofInformationScienceandTechnology,UniversityofScienceandTechnologyofChina,Hefei230027,China)AbstractRecently,theconvolutionalneuralnetwork(CNN)hasattractedincreasingatten-tioninhyperspectralimageclassification.TheCNNisausefulmethodduetoitssatisfactoryclassificationperformance.However,theuselessfeaturesextractedbytheCNNinevitablyhavebadinfluenceontheclassification.Besides,thephenomenaofinter-andintra-classspec-tralvariabilityhasposedachallengetohyperspectralclassificationtasks.Inordertoover-cometheaboveproblems,anovelspatial-spectralresidualnetworkwithattentionmechanismwasproposedinthisstudy.Thespatial-spectralfeatureswereeffectivelyextractedfrom...
