引入注意力机制的高光谱影像分类空洞卷积网络

彭家真; 杨杰; 马向阳; 杨柳; 刘文铭; 胡光; 李星华

您当前的位置：

首页 >

文章列表页 >

引入注意力机制的高光谱影像分类空洞卷积网络

技术热点研究 | 更新时间：2026-08-11

- 引入注意力机制的高光谱影像分类空洞卷积网络
- 引入注意力机制的高光谱影像分类空洞卷积网络
- 地理空间信息 2025年23卷第11期页码：1-6+64
- 作者机构：
  
  1. 浙江华东测绘与工程安全技术有限公司
  2. 武汉大学遥感信息工程学院
  3. 武汉大学资源与环境科学学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（42171302）;浙江华东测绘与工程安全技术有限公司测绘工程院科研资助项目（ZKY2022-CA-02-02）
- DOI：
  中图分类号： P237
- 纸质出版：2025
- 稿件说明：
移动端阅览
彭家真, 杨杰, 马向阳, 等. 引入注意力机制的高光谱影像分类空洞卷积网络[J]. 地理空间信息, 2025,23(11):1-6+64.

彭家真, 杨杰, 马向阳, et al. 引入注意力机制的高光谱影像分类空洞卷积网络[J]. 2025, 23(11): 1-6+64.
彭家真, 杨杰, 马向阳, 等. 引入注意力机制的高光谱影像分类空洞卷积网络[J]. 地理空间信息, 2025,23(11):1-6+64. DOI：

彭家真, 杨杰, 马向阳, et al. 引入注意力机制的高光谱影像分类空洞卷积网络[J]. 2025, 23(11): 1-6+64. DOI：

摘要

针对卷积神经网络在高光谱影像地物分类中精度较低的问题，提出了一种结合注意力机制的空洞卷积神经网络（HA-DLNet）。在编码器端采用轻量化的主干特征提取器，通过三维卷积模块提取光谱特征，并引入由通道注意力、空间注意力和多头自注意力构建的混合注意力机制，利用异感受野融合连接和条纹池化策略优化编码器结构，实现全局上下文信息学习与重建。通过全局卷积网络模块将解码器结构连接稠密化，进一步融合边界增强，实现浅层空谱特征损失的恢复。在Indian Pines、Salinas Valley和WHU-Hi-LongKou数据集的实验结果表明，HA-DLNet能增强不同区域空谱特征的关注度，同时细化地物边缘信息。

Abstract

关键词

Keywords

references

Hu Wei,Huang Yangyu,Wei Li,Zhang Fan,Li Hengchao.Deep Convolutional Neural Networks for Hyperspectral Image Classification[J].Journal of Sensors,2015.

陈天华,郑司群,于峻川.采用改进DeepLab网络的遥感图像分割[J].测控技术,2018(11).

彭令,徐素宁,梅军军,苏凤环.地震滑坡高分辨率遥感影像识别[J].遥感学报,2017(04).

胡苏李扬,李辉,顾延生,黄咸雨,张志麒,汪迎春.基于高分辨率遥感影像的神农架大九湖湿地土地利用类型变化及其驱动力分析——来自长时间尺度多源遥感信息的约束[J].国土资源遥感,2021(01).

李昌元,刘国栋,谭博.基于PCA和KPCA的高光谱遥感数据降维对比研究[J].地理空间信息,2022(07).

陆妍如,毛辉辉,贺琰,宋现锋.基于Deeplab v3+的高分辨率遥感影像地物分类研究[J].地理空间信息,2022(06).

王小攀,刘小立,马泽忠,何宗,罗鼎.基于“珠海一号”的水稻高光谱定量估产研究[J].地理空间信息,2023(08).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

顾及深度残差U-Net的遥感影像建筑物提取

基于GNSS-R数据和机器学习算法探测森林火灾研究

流形学习和卷积神经网络的农作物精细分类

利用多尺度挤压激励网络提取煤矿采场

利用神经网络描述符改进的山区影像匹配方法