来源：期刊VIP网 时间：
作者：杨杰;马向阳;赵安琪;胡光;李星华;
单位：浙江华东测绘与工程安全技术有限公司;武汉大学遥感信息工程学院;武汉大学资源与环境科学学院;
摘要：针对现有高光谱影像分类方法存在全局和局部特征提取不充分、特征融合效率低等问题，该文提出一种能有效提取全局特征和局部特征的双支交叉注意力网络(DCNet)。先通过超像素采样网络(SSN)初步提取全局特征，并输入到Transformer编码器进行特征增强；再通过两次卷积核尺寸不同的三维卷积模块提取局部特征；最后，以交叉注意力机制融合全局特征与局部特征，基于融合后的特征获得分类结果。为防止网络出现梯度消失的情况，DCNet中设计了大量的残差连接模块。为验证该方法的分类效果，选择Pavia University数据集和WHU-Hi-HongHu数据集作为测试数据，将其与另外6种模型的结果进行定量评价和目视判读。实验表明DCNet在两组数据集的总体分类精度分别达到99.44%和98.65%,明显高于另外6种模型。
关键词：高光谱影像分类;;超像素;;Transformer编码器;;卷积神经网络;;交叉注意力
基金资助：国家自然科学基金项目(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项目(ZKY2022-CA-02-02)
