基于图扩散卷积的高光谱图像分类算法研究
魏智豪
西安石油大学理学院 陕西西安 710065
摘要：传统的高光谱图像(HSI)分类方法在处理高维数据时往往面临效率低下的问题.尽管卷积神经网络(CNN)和图卷积网络(GCN)在高光谱分类任务中取得了较好的效果,但在同时建模局部与全局特征方面仍存在局限.为解决这一挑战,文章提出一种融合CNN与图扩散卷积(GDC)的混合模型.具体而言,首先通过谱域变换模块对输入数据进行非线性降维,随后构建两个并行分支:像素级CNN分支用于提取局部空间—光谱特征,基于超像素的GDC分支通过图扩散捕获全局结构信息.最终将两类特征融合后输入分类器以获得预测结果.在Indian Pines、Pavia University和Salinas三个基准数据集上的实验表明,所提方法在分类精度上优于当前多种先进技术.
关键词：图扩散卷积卷积神经网络高光谱图像分类
论文发表日期：2026-02-25
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：5( 29-33 )