用于图像分类的三阶段形态学坐标注意力网络模型、方法技术

本发明专利技术提供一种用于图像分类的三阶段形态学坐标注意力网络模型、方法，包括：使用形态卷积修改坐标注意力机制CA，以非线性的方式学习物体的结构信息，得到位置感知通道注意力模块MCA<subgt;C</subgt;，在高度和宽度维度上执行通道感知空间注意力操作，得到基于平面的位置感知通道注意力模块MCA<subgt;WH</subgt;，将MCA<subgt;WH</subgt;和MCA<subgt;C</subgt;合并为基于三维的位置感知通道注意力模块MCA<subgt;WHC</subgt;，使用MCA<subgt;C</subgt;、MCA<subgt;WH</subgt;、MCA<subgt;WHC</subgt;构建用于高光谱图像分类的三阶段形态学坐标注意力网络。本发明专利技术能够精确地对高光谱图像进行分类。

【技术实现步骤摘要】

本专利技术主要涉及图像处理相关，具体的是一种用于图像分类的三阶段形态学坐标注意力网络模型、方法。

技术介绍

1、近年来，遥感技术在众多应用领域得到了广泛应用，如城市土地变化监测、作物分析等。由于高光谱图像(hsi)通常在其光谱中携带关于物体的丰富信息，旨在确定hsi中像素类别的hsi分类在许多研究中得到了广泛探索，包括基于卷积神经网络(cnns)和transforme的研究。

2、当前的高光谱图像分类方法虽然取得了改进效果，但是，很少有方法集中于联合光谱-空间注意力来提取高光谱图像的判别特征。当前，有在预处理时使用了三维卷积来从高光谱图像中提取判别特征，有利用transformer将高度、宽度和深度三个分支的特征集成起来的相关技术。然而，由于卷积的感受野具有局部性，这些方法在捕捉长距离和全局特征方面存在局限性，这些网络倾向于独立地进行光谱和空间注意力提取，特征提取融合不够充分，难以精确地对高光谱图像进行分类。

技术实现思路

1、为解决目前技术的不足，本专利技术结合现有技术，从实际应用出发，提供一种本文档来自技高网...

【技术保护点】

1.用于图像分类的三阶段形态学坐标注意力网络模型，其特征在于，包括：使用形态卷积修改坐标注意力机制CA，以非线性的方式学习物体的结构信息，得到位置感知通道注意力模块MCAC，在高度和宽度维度上执行通道感知空间注意力操作，得到基于平面的位置感知通道注意力模块MCAWH，将MCAWH和MCAC合并为基于三维的位置感知通道注意力模块MCAWHC，使用MCAC、MCAWH、MCAWHC构建用于高光谱图像分类的三阶段形态学坐标注意力网络。

2.根据权利要求1所述的用于图像分类的三阶段形态学坐标注意力网络模型，其特征在于，网络模型中，首先从主成分分析模块PCA开始，对经过PCA降维的图像...

【技术特征摘要】

1.用于图像分类的三阶段形态学坐标注意力网络模型，其特征在于，包括：使用形态卷积修改坐标注意力机制ca，以非线性的方式学习物体的结构信息，得到位置感知通道注意力模块mcac，在高度和宽度维度上执行通道感知空间注意力操作，得到基于平面的位置感知通道注意力模块mcawh，将mcawh和mcac合并为基于三维的位置感知通道注意力模块mcawhc，使用mcac、mcawh、mcawhc构建用于高光谱图像分类的三阶段形态学坐标注意力网络。

2.根据权利要求1所述的用于图像分类的三阶段形态学坐标注意力网络模型，其特征在于，网络模型中，首先从主成分分析模块pca开始，对经过pca降维的图像提取patch，包括三个阶段；

3.根据权利要求2所述的用于图像分类的三阶段形态学坐标注意力网络模型，其特征在于，光谱分支包括四个基于卷积的位置感知通道注意力模块c-mcac和四个基于transformer的位置感知通道注意力模块e-mcac，c-mcac与e-mcac...

【专利技术属性】
技术研发人员：吴庆波，薛成，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：