基于MSSARN框架的高光谱图像分类模型及分类方法技术

本发明专利技术公开了基于MSSARN框架的高光谱图像分类模型，具体包括：光谱注意力模型，用于识别光谱特征；邻域卷积模块，用于空间特征的提取；跟随块模块，用于增强特征提取的功能；残差网络模块，残差连接允许梯度直接流过网络的多个层，有助于保持在深层网络中信息的有效传递；本发明专利技术还公开了基于MSSARN框架的高光谱图像分类方法，MSSARN在多个高光谱数据集上的分类准确率显著优于其他现有算法，展现了其作为高光谱图像分类的有效和高效解决方案的潜力。这表明该研究在高光谱图像处理领域取得了重要进展。

【技术实现步骤摘要】

本专利技术属于计算机视觉和机器学习，涉及基于mssarn框架的高光谱图像分类模型。本专利技术还设计基于mssarn框架的高光谱图像分类方法。

技术介绍

1、高光谱图像技术通过捕捉物体或场景在宽广波长范围内的反射或辐射光，提供了传统成像技术无法达到的详细信息。这种成像技术不仅捕捉可见光区域的信息，还涵盖了红外和其他波长区域。高光谱图像通常包含上百甚至上千个不同波长的频段，每个频段都能揭示物质的独特光谱特性。因此，它能够提供关于物体化学和物理特性的极为详细的信息，适用于精确的物质识别和分类。

2、这种技术在遥感领域特别有价值，可以用于植被覆盖分析、土壤和岩石成分识别、水体监测等。高光谱成像也在农业中发挥着重要作用，用于作物健康监测和病虫害检测。此外，它在环境监测、矿物勘探、军事侦察以及医学成像等多个领域中都有广泛应用。由于高光谱数据的高维性和复杂性，处理和分析这些数据需要高级的算法和技术，比如机器学习和深度学习方法。这些方法可以帮助解决高光谱图像中的信息提取、降维、分类和目标识别等挑战，现有的高光谱图像分类相对准确率较低。>

<本文档来自技高网...

【技术保护点】

1.基于MSSARN框架的高光谱图像分类模型，其特征在于，具体包括：

2.基于MSSARN框架的高光谱图像分类的方法，采用权利要求1所述的基于MSSARN框架的高光谱图像分类模型，其特征在于，具体按以下步骤实施：

3.根据权利要求2所述的基于MSSARN框架的高光谱图像分类的方法，其特征在于，所述步骤1具体为：将原始高光谱图像数据输入MSSARN框架的高光谱图像分类模型中。

4.根据权利要求2所述的基于MSSARN框架的高光谱图像分类的方法，其特征在于，所述步骤2具体为：

5.根据权利要求2所述的基于MSSARN框架的高光谱图像分类的方法，...

【技术特征摘要】

1.基于mssarn框架的高光谱图像分类模型，其特征在于，具体包括：

2.基于mssarn框架的高光谱图像分类的方法，采用权利要求1所述的基于mssarn框架的高光谱图像分类模型，其特征在于，具体按以下步骤实施：

3.根据权利要求2所述的基于mssarn框架的高光谱图像分类的方法，其特征...

【专利技术属性】
技术研发人员：尤佳，唐浩，徐博，张修实，郭文龙，
申请(专利权)人：海南大学，
类型：发明
国别省市：