融合Transformer和VGG网络的高光谱图像分类*

张明慧，周 浩，王先旺

（云南大学信息学院，云南 昆明 650500）

0 引 言

高光谱遥感图像是由若干个光谱波段组成的三维（3D）立体图像，具有较高的光谱分辨率，图像中每个像元都可反映为一条连续的光谱反射曲线，此外，还具有丰富的空间信息，这种“图谱合一”的特性，能够提取到不同地物的深层次特征，有效提高了地物目标的识别精度，在农作物监测［1］、生态系统测量、地球环境监测、矿物鉴定［2］等方面发挥着巨大作用。传统的高光谱图像（hyperspectral image，HSI）分类方法，如支持向量机分类法［3］、决策树分类法、最大似然分类法等，只能提取到HSI的浅层特征信息而忽略了深层特征信息，导致其分类精度的进一步提高受到限制。基于深度学习的方法，特别是卷积神经网络（convolutional neural network，CNN），可以较好地提取HSI 的深层特征信息。比如文献［4］提出将中心像素与周围的每个像素相结合构造像素对，并利用CNN提取的像素对特征进行HSI分类，获得了良好的分类性能；文献［5］对HSI数据进行主成分分析后，将以待分类像素为中心的领域范围的空间面片用于训练二维（2D）CNN从而完成HSI分类任务；文献［6］设计高效的3D多通道CNN以提取HSI的空谱联合信息，并挖掘深层特征实现分类。

基于CNN的HSI分类方法是目前HSI 分类领域应用最多的深度学习网络模型，已经实现了最先进的性能，但仍然存在着一些问题。首先，在处理HSI 像素向量时，使用CNN会导致信息丢失［7］；其次，由于卷积运算处理的是局部邻域，CNN的感受野受到其核大小和层数的严格限制，这使得它在捕获输入数据的长程依赖性方面不太有利［8］。……