返回列表
基于 3D-Octave 卷积的高空间-高光谱树种分类
遥感应用
2026/09/21
摘要：3D Octave 卷积模型在高空间-高光谱影像分类中的应用，可以提高多树种分类任务的精度，对提高森林管理的精 细化水平具有重要意义。设计了一种结合三维Octave卷积与注意力机制的3DOC-SSAM模型，通过3D Octave卷积和空 间—光谱注意力机制，提高了模型的运行效率和分类性能。研究结果表明：①3DOC-SSAM 模型总体精度达到 99.53%， 相对于SVM、ELM、2D-CNN、3D-CNN分别提高了13.86%、18.49%、12.90%和5.36%。且平均精度AA达到99.38%， Kappa 系数达 0.9947。②小样本训练的情况下，总体精度和平均精度仍然能够达到 96.9%和 95.52%，高于对比的模型。 研究结果为多树种分类任务提供了一个高效且高精度的解决方案，在林业遥感中的应用前景广阔，有助于提升森林资源 管理的科学性和可持续性。
关键词：高光谱遥感；无人机；三维Octave卷积；树种分类；小样本。
期刊：遥感技术与应用
DOI：：10.11873/j.issn.1004‐0323.2024.4.0897
设备：GaiaSky
