用于高光谱图像分类的轻量级空间注意力网络

摘要

卷积神经网络可自动提取高光谱图像中的光谱空间特征,因此被广泛用于高光谱图像分类。但是,由于缺乏足够的标记样本,限制了分类性能进一步提高。针对该问题,提出一种新颖的轻量级空间注意力网络(LSANet)用于高光谱图像分类。首先,设计分割核主成分分析(SPCA)方法用于降低高光谱图像维数;然后提出LSANet,它主要由3个轻量级光谱空间卷积块(SSC)与空间注意力模块组成。在SSC卷积块中使用空洞卷积和深度可分离卷积提取丰富的光谱空间特征;为进一步细化地物结构与细节,引入循环交叉注意力机制,增强空间特征,提高HSI分类准确性。在公开的高光谱数据集Indian Pines上进行实验,可实现97.56%的分类精度与良好的视觉效果,证明了方法有效性。