基于超像素分割的图注意力网络的高光谱图像分类

doi:10.13413/j.cnki.jdxblxb.2023164

PDF(5279 KB)

吉林大学学报(理学版) ›› 2024, Vol. 62 ›› Issue (02) : 357-368. DOI: 10.13413/j.cnki.jdxblxb.2023164

基于超像素分割的图注意力网络的高光谱图像分类

高路尧, 胡长虹, 肖树林

作者信息 +

History +

摘要

针对卷积神经网络(CNN)仅能应用于欧氏数据，无法有效获取像素间的全局关系特征以及长距离上下文信息的问题，构建一个基于超像素分割的图注意力网络SSGAT.该网络将超像素分割后的超像素块视为图结构中的图节点，有效减少了图结构的复杂度，并降低了分类图的噪声.在3个数据集上对SSGAT及对比算法的分类精度进行测试，分别获得了94.11%,95.22%,96.37%的总体分类精度.结果表明该方法性能优异，在处理大尺度区域的分类问题时优势明显.