一种基于轻量级光谱-空间联合前馈卷积Transformer网络的星载高光谱图像分类方法

本发明公开了一种基于轻量级光谱‑空间联合前馈卷积Transformer网络(SSUFCT)的星载高光谱图像分类方法。该方案首先采用新型二维内存高效型降维算法进行特征提取；此外构建的SSUFCT模型高效发挥了设计的轻量化卷积子网络和前馈卷积Transformer模型对光谱与空间及局部与全局信息的捕获能力；最后根据提取到的高层次光谱‑空间特征图，使用自适应平均池化层和全连接层，得到分类结果。本发明方法用极低的计算资源和最短的推理时间实现了近乎最高的分类精度，极大的降低了深度学习模型应用于高光谱遥感图像分类领域的复杂性，并确保了在样本稀缺的各种场景下仍能保持稳健的分类性能，为星载高光谱、荧光超光谱等技术的在轨智能化发展提供了重要参考。