来源：期刊VIP网 时间：
作者：杨正维;范丹;李霞;张泽龙;杨亚复;
单位：云南省水利水电勘测设计院有限公司;云南省水利水电勘测设计研究院;
摘要：针对传统卷积神经网络存在参数量较大、模型结构较为复杂和感受野有限等问题，提出一种记忆增强的多尺度层次空间注意力分类网络用于高光谱遥感影像分类。通过整合深度可分离卷积和多尺度特征融合模块，显著减少卷积网络的参数，强化了网络对空谱信息的高效表达。此外，设计层次空间相关性注意力机制，捕捉图像中不同尺度的空间特征，提升了图像中不同区域之间的关联性。通过采用记忆标记器将光谱-空间特征转换为记忆标记，缓解了特征衰减问题。实验结果表明，在Indian Pines和Pavia U数据集上，MHSANet不仅保持了较低的计算复杂度，而且总体识别精度分别达到97.88%和97.22%,优于其余深度学习方法。
关键词：高光谱影像分类;;多尺度特征融合;;空间相关性注意力网络;;记忆增强
