【技术实现步骤摘要】
本专利技术涉及高光谱图像分类，尤其涉及一种基于三维混合频域注意力网络的高光谱图像分类方法及其系统。
技术介绍
1、高光谱图像分类在环境监测、地质勘探、军事侦察和深空探测等领域具有重要应用。高光谱遥感技术能够获取从可见光到中红外、热红外等波段的高分辨率图像数据，这些数据包含多个波段的信息，为地物分类、目标识别和环境分析提供了丰富的空间、辐射和光谱信息。然而，高光谱数据的维度高、计算量大，传统的分类方法往往难以有效提取和利用这些信息，导致分类精度和鲁棒性受限。
2、近年来，随着深度学习技术的发展，尤其是卷积神经网络(cnn)在高光谱图像分类中的应用，分类性能得到了显著提升。其中，三维卷积神经网络(3d-cnn)通过立方体卷积核，能够更好地从光谱维度提取特征，优于二维卷积神经网络(2d-cnn)。然而，传统3d-cnn在处理空间和光谱信息时，容易忽略特征的频率分布，导致信息提取不够精准，且无法有效缓解信息冗余和噪声对模型的干扰。
3、为了进一步提升高光谱图像分类的准确性和鲁棒性，本专利技术提出了一种基于三维混合频域注意...
【技术保护点】
1.一种基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于：所述频域注意力模块包括傅里叶变换单元、频域特征调整单元和逆傅里叶变换单元；其中，傅里叶变换单元将输入特征转换到频域，频域特征调整单元对不同频率成分进行分析和调整，逆傅里叶变换单元将调整后的频域特征映射回空间域。
3.根据权利要求1所述的基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于：所述双分支3D卷积神经网络结构还包括光谱注意力块和空间注意力块；其中，光谱注意力块用于...
【技术特征摘要】
1.一种基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于：所述频域注意力模块包括傅里叶变换单元、频域特征调整单元和逆傅里叶变换单元；其中，傅里叶变换单元将输入特征转换到频域，频域特征调整单元对不同频率成分进行分析和调整，逆傅里叶变换单元将调整后的频域特征映射回空间域。
3.根据权利要求1所述的基于三维混合频域注意力网络的高光谱图像分类方法，其特征在于：所述双分支3d卷积神经网络结构还包括光谱注意力块和空间注意力块；其中，光谱注意力块用于动态地分配权重给不同的光谱波段，空间注意力块用于动态地分配权重给不同的空间位置。
4.根据权利要求1所述的基于三维混合频域注意力网络的高光...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。