一种基于局部增强选择性状态空间模型的高光谱分类方法

本发明提出了一种基于局部增强选择性状态空间模型的高光谱分类方法，包括以下步骤：读取三维高光谱图像和每个像素对应的类别标签；将高光谱图像中的数值进行归一化处理；以三维高光谱图像的每个像素为中心点，裁剪划分为图像块，构建图像块数据集；在图像块数据集中随机选取数据作为训练集；在训练集上训练神经网络模型，将训练集的图像块输入到以逐点卷积为基本单元构建的卷积降维主干上，使用多方向局部扫描机制增强选择性状态空间模型，划分多个局部窗口图像后整合信息；将空间特征和光谱特征融合；构建分类头预测类别信息；在训练集上训练优化模型。