基于改進卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法（特邀）

摘要： 針對高光譜圖像分類中噪聲干擾、光譜混疊及計算效率低等瓶頸問題，提出一種基于多模態(tài)協(xié)同優(yōu)化的輕量級網(wǎng)絡(luò)（MC-DetNet）。通過雙分支架構(gòu)協(xié)同提取原始圖像內(nèi)容特征與高頻噪聲特征，原始分支采用可變形卷積增強幾何形變適應性，噪聲分支基于空域富模型（SRM）濾波與輕量化殘差模塊捕獲局部異常特征。為解決多模態(tài)特征融合的適配性問題，提出梯度引導注意力機制，通過多方向梯度圖動態(tài)調(diào)節(jié)特征權(quán)重... （共9頁）