高斯交叉特征融合的高光谱图像分类方法

针对现有高光谱图像（Hyperspectral Image， HSI）分类方法存在的局部特征和全局特征间关系不平衡问题，本文构建了高斯交叉特征融合模型。通过逐元素相乘操作实现不同特征之间的交互连接，设计了高斯交叉注意力特征融合算法，依据映射向量之间的相似度分析两种特征的内在联系，采用高斯函数量化融合权重，并通过优化关键参数实现对局部和全局特征的动态加权，从而确保两者在融合中保持均衡。为验证方法的有效性在农作物场景Indian Pines、城市地物场景Pavia University、农业植被场景Salinas和异构混合场景LongKou四类典型应用场景的公开数据集上进行实验，并将实验结果与DCSST、SMESC和Vit-cov等11种主流方法进行对比，使用总体准确度（Overall Accuracy， OA）、平均准确度（Average Accuracy， AA）和Kappa系数进行方法评价，本文方法的效果最佳，表明该方法在植物、人工地物和异构混合场景中的分类优势，也在一定程度上体现了方法较好的泛化能力。