[文献速递Vol.323]-用于高光谱图像分类的三分支空间-光谱融合网络

本文针对高光谱图像分类中因使用大邻域窗口导致的数据污染问题，提出了一种三分支空间-光谱融合网络（TBSSF-Net）。研究背景指出，传统深度学习方法依赖大尺寸图像块获取空间上下文，但会造成训练集与测试集数据交叉污染，而小尺寸图像块虽能避免污染，却难以提取足够判别性特征。TBSSF-Net通过空间细节聚合、空间语义知识精炼和光谱信号处理三个并行分支，深度挖掘有限邻域内的有效信息，并利用注意力机制进行融合，在四个公开数据集上的实验表明，该网络在极小邻域和有限样本条件下分类精度显著超越现有方法，有效提升了模型泛化能力。