一种基于深度学习实现遥感高光谱图像分类的方法

本发明提供一种基于深度学习实现遥感高光谱图像分类的方法，包括：获取高光谱图像数据；将所述高光谱数据输入到残差深度可分离卷积模型中进行数据提取，得到输出结果；对输出结果进行分类，得到高光谱图像数据的地面覆盖情况的分类结果。本发明提出的残差深度可分离卷积模型结合了三维残差计算、SE块和注意力机制。该模型能从高光谱图像数据中有效提取丰富的光谱和空间特征，可用于多光谱图像的像素级分类。其次，本发明还改进的transformer模块中注意力分数的计算方法，以更好地捕捉像素之间的依赖关系，实现更好的高光谱图像分类结果。再次，在三个公开的数据集上进行了实验，本发明的框架在多光谱图像的像素级分类中实现了最先进的水平。