【技术实现步骤摘要】
本专利技术涉及高光谱图像分类方法的，尤其涉及一种用于高光谱图像分类的多尺度双注意力网络的构建方法。
技术介绍
1、高光谱遥感图像因其能够提供丰富的光谱信息和精细的空间细节，在地球观测、环境监测、精准农业、矿产勘探等领域发挥着日益重要的作用。与传统的多光谱图像相比，高光谱图像通常包含数百个连续的窄带光谱波段，使其能够更加精细地刻画和区分地物的光谱特征。这种高维度的光谱信息为目标识别和分类任务提供了更丰富的判别依据，但同时也带来了"维数灾难"、数据冗余等挑战。因此，如何有效利用这些高维数据进行准确分类，始终是遥感领域亟待解决的核心科学问题。
2、在高光谱图像分类的早期研究中，传统方法主要依赖于手工设计的特征提取器和统计学习模型，如支持向量机(svm)、随机森林(rf)等。这些方法在处理简单场景时表现尚可，但面对复杂的实际应用场景时往往难以满足需求。其局限性主要体现在以下几个方面：(1)手工设计的特征提取器难以充分挖掘和利用高光谱数据所包含的丰富信息；(2)传统方法对光谱-空间联合特征的建模能力有限，无法有效捕捉光谱和空间维度上的...
【技术保护点】
1.一种用于高光谱图像分类的多尺度双注意力网络的构建方法，其特征在于包括如下步骤：
2.根据权利要求1所述的构建方法，其特征在于上述步骤S1中的输入表示与特征映射，具体过程为：
3.根据权利要求1所述的构建方法，其特征在于上述步骤S2中对步骤S1的输入，提取空洞卷积增强特征；具体过程为：
4.根据权利要求1所述的构建方法，其特征在于上述步骤S3中的优化深度可分离卷积；具体过程为：
5.根据权利要求1所述的构建方法，其特征在于上述步骤S4中的建立多尺度特征学习机制；具体过程为：
6.根据权利要求1所述的构建方法...
【技术特征摘要】
1.一种用于高光谱图像分类的多尺度双注意力网络的构建方法，其特征在于包括如下步骤：
2.根据权利要求1所述的构建方法，其特征在于上述步骤s1中的输入表示与特征映射，具体过程为：
3.根据权利要求1所述的构建方法，其特征在于上述步骤s2中对步骤s1的输入，提取空洞卷积增强特征；具体过程为：
4.根据权利要求1所述的构建方法，其特征在于上述步骤s3中的优化深度可分离卷积；具体过程为...
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。