基于高光谱遥感图像的分类网络模型设计与研究

遥感图像分类是根据图像信息所反映的不同特征来区分不同类型目标的重要方法,传统卷积网络在解决这类问题时,由于深度的加深容易导致网络退化和计算量增大。鉴于此,提出一种改进的残差网络结构模型从而提高网络的分类性能。首先,利用三维神经网络和残差神经网络对Salinas scene数据集进行特征提取来减少数据量;其次,在残差神经网络加入通道注意力机制,进而提升网络对于高光谱图像特征权重的高效识别;最后,完成三维神经网络与残差神经网络的对比实验。结果显示优化后的残差网络更加高效。