基于多尺度卷积和特征融合的高光谱图像开放集分类方法

本发明提出了一种基于多尺度卷积和特征融合的高光谱图像开放集分类方法，旨在提升高光谱图像中已知类别和未知类别的分类精度和分类模型的鲁棒性。该方法通过深度学习模型融合光谱和空间特征，解决了高光谱图像分类中的未知类别识别和特征优化问题。首先通过多尺度卷积提取光谱特征，并结合通道注意力机制，增强了对最具判别性光谱信息的捕捉。其次，通过多分支结构和卷积增强技术优化了光谱特征的表达，提升对复杂空间信息的感知能力。空间特征则通过高频增强技术得到强化，提升了对细节和边缘信息的敏感性。本发明通过创新的特征提取和融合策略，提升了高光谱图像开放集的分类精度与分类模型的鲁棒性。