文献类型：期刊文章

作　　者：关世豪[1] 杨桄[1] 卢珊[2] 付严宇[1]

Shihao Guan;Guang Yang;Shan Lu;Yanyu Fu(School of Aviation Operations and Services,Aviation University of Air Force,Changchun,Jilin 130022,China;School of Geographic Science,Northeast Normal University,Changchun,Jilin 130024,China)

机构地区：[1]中国人民解放军空军航空大学航空作战勤务学院,吉林长春130022 [2]东北师范大学地理科学学院,吉林长春130024

出　　处：《光学学报》

基　　金：国家自然科学基金(41971290)。

年　　份：2020

卷　　号：40

期　　号：21

起止页码：175-184

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：神经网络的注意力机制可以从数据中提取关键信息,将这一特性运用在高光谱波段选择上有助于充分学习波段之间的相互依赖和非线性关系,提取更重要的波段。提出了一种基于注意力机制的多目标优化高光谱波段选择算法。首先,利用注意力模块和自编码器构建网络;然后,将一维光谱数据作为网络输入,采用两种损失函数并结合多目标优化方法对输入数据进行训练,使嵌入在网络中的注意力模块充分学习各波段之间的非线性关系,对信息量大和易于分类的波段赋予更大的权重,以实现波段选择;最后,利用支持向量机分类器和平均光谱散度验证波段子集的性能。实验结果表明:相比于其他算法,所提算法在Botswana与IndianPines数据集上提取的波段子集的分类精度更高,信息量更大,由此证明了所提算法对高光谱波段选择的有效性。

关 键 词：遥感 高光谱图像 波段选择 注意力机制  多目标优化

分 类 号：TP751.1]