基于状态空间模型的高光谱图像分类方法

本发明提出了一种基于状态空间模型的高光谱图像分类方法，主要解决现有方法分类精度不佳的问题。方案包括：1)输入高光谱图像，并对其进行预处理；2)使用邻域光谱融合法消除光谱变异性，再利用子谱扫描法感知光谱细节差异，获取图像光谱分类信息；3)利用SS2D层、改进的空间注意机制和多个残差块构建空间特征提取网络，并利用该网络获取高光谱图像的空间分类信息；4)通过在决策层融合空间与光谱分类信息，得到最终分类结果。本发明能够在较小范围内降低光谱变异性造成的影响，在能感知全面光谱信息的前提下不忽略光谱局部信息，同时联合空间信息，从而有效提升高光谱图像的分类效果。