基于级联残差GCN与混合卷积的高光谱图像分类方法

本发明公开了基于级联残差GCN与混合卷积的高光谱图像分类方法。该方式首先去除原始高光谱图像中的冗余光谱波段。然后使用简单线性迭代算法将拥有相似空间‑光谱信息的像素点聚集，形成超像素点，建立关系矩阵并通过图编码器转换为超像素级图结构数据。利用两个残差图卷积模块得到含有相似性关系的特征图并重塑为三维形式后，再输入残差3D卷积模块提取初步的空间‑光谱特征，进行通道加权后输入密集连接的深度可分离卷积模块，进一步提取空间特征，最后经过空间注意力加权调整后，输入分类模块得出类别预测概率。本发明基于有限的样本，能够充分提取高光谱图像的空间特征和光谱特征，在网络参数量不大且结构不复杂的情况下提升分类精度。