基于空譜注意力機制及預激活殘差網絡的高光譜圖像分類算法

袁芊芊 謝維信

（1.深圳大學ATR國防科技重點實驗室，廣東深圳 518060；2.廣東省智能信息處理重點實驗室，廣東深圳 518060）

1 引言

高光譜圖像中包含了豐富的光譜和空間信息，在對地觀測研究領域起著重要作用，在軍事及民用領域也都有著重要的應用。高光譜圖像數據具有波段多、波段寬度窄、光譜分辨率高的特點，但同時也有著特征維度高的缺點。由于其具有的高維特性，容易導致分類器的性能下降，這種現象稱為“休斯（Hughes）”效應。此外，由于高光譜圖像數據的密集光譜采樣，高光譜波段中的相關光譜信息通常是高度相關的，高度冗余的信息也會影響高光譜圖像分類的性能。

為了獲得好的分類效果，提取的特征應該具有表示性強、判別性好的特點，特征工程對高光譜圖像分類起著關鍵的作用。傳統的高光譜圖像分類使用基于手工特征的機器學習技術［1-2］。近年來，深度學習逐漸興起，各種各樣的深度學習模型得以開發［3］。隨著深度學習技術的發展，基于深度學習的高光譜圖像分類在方法和性能上取得了顯著進展。

當前深度學習領域中最廣泛應用的高光譜圖像數據分類工具是卷積神經網絡（Convolutional Neural Network，CNN）模型。它在處理圖像分類問題方面的優越性，體現在其可從原始圖像中學習、提取和表示隱藏的、復雜的和非線性的特征的能力［4］。在過去幾年里，研究人員提出了許多可從高光譜圖像數據中捕獲復雜特征的深度學習算法，以深入理解和利用豐富的空譜特征［5］。……