基于图重构的多尺度GCN和DCN高光谱图像分类方法

本发明涉及遥感图像处理和计算机视觉技术领域，公开了一种基于图重构的多尺度GCN和DCN高光谱图像分类方法，该方法通过动态光谱特征提取模块(DSFEM)结合可变形卷积(DCN)自适应捕捉不规则空间特征，利用多尺度空间‑光谱图卷积模块(MSSGCM)在不同分割尺度下提取全局特征，并通过图重构模块(GSRM‑GL)动态调整图结构以精确建模超像素节点间的关系。同时，空间光谱联合损失函数(SSJL)融合交叉熵损失、空间总变差损失和光谱总变差损失，优化分类精度和特征连贯性。本发明提供的基于图重构的多尺度GCN和DCN高光谱图像分类方法在Indian Pines、University of Pavia等数据集上的分类精度显著提升，在少样本条件下仍保持高鲁棒性，解决了现有技术中特征提取受限和图结构固化的问题。