基于多尺度卷积融合的高光谱图像分类网络

打开文本图片集

摘要：针对高光谱图像分类中多尺度特征提取能力薄弱以及光谱—空间特征融合机制不够灵活等问题，文章提出一种基于多尺度卷积融合的高光谱图像分类网络。该模型设计了新颖的多尺度卷积融合模块，通过双分支异构结构有效解耦光谱特征并构建层次化空间特征提取器，从而实现对高光谱图像的高效光谱—空间联合建模。在IndianPines、PaviaUniversity和Houston2013三种经典开源数据集上的实验结果表明，与五种基线方法相比，所提模型显著增强了多尺度特征的表征能力，并展现出更优的高光谱图像分类效果。（剩余7654字）