.png){kind=icon}
返回
CNN-Enhanced Hypergraph Attention Network for Hyperspectral Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1109/LGRS.2025.3583697.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，图神经网络（GNNs）在超光谱图像（HSI）分类中受到了广泛关注并取得了卓越成果。然而，现有的大多数方法依赖于成对关系，忽视了更复杂的更高阶交互，这限制了深层嵌入特征的学习。此外，它们对预定义图结构的依赖限制了动态节点信息的聚合。为解决上述问题，本文提出了一种卷积神经网络增强的超图注意力（CEHGAT）网络。为揭示HSI中的高阶交互，开发了一个超图注意力网络分支，通过注意力机制学习超边的动态连接以揭示更具代表性的节点嵌入。然后，卷积神经网络增强分支使用两个多尺度卷积块来增强空谱特征。最后，融合两个分支捕获的特征，以实现超像素级和像素级特征的互补优势。在三个基准HSI数据集上的实验表明，CEHGAT在有限标记样本的情况下优于其他最先进的方法。
Keyword:
Convolutional neural network (CNN)
feature fusion
hypergraph attention
hyperspectral image (HSI) classification
期刊
IF:
16.4
论文数:
1.0W
被引数:
5.1K
机构
引用论文
Hypergraph Convolutional Network With Multiple Hyperedges Fusion for Hyperspectral Image Classification Under Limited Samples基于多超边缘融合的超图卷积网络在有限样本高光谱图像分类中的应用
PREAI
分享收藏Hyperspectral Image Classification Based on Double-Hop Graph Attention Multiview Fusion Network.png)
IF0
PREAI
分享收藏Weighted Feature Fusion of Convolutional Neural Network and Graph Attention Network for Hyperspectral Image Classification卷积神经网络与图注意力网络加权特征融合的高光谱图像分类
PREAI
分享收藏EHGNN: Enhanced Hypergraph Neural Network for Hyperspectral Image ClassificationEHGNN: 用于高光谱图像分类的增强超图神经网络
PREAI
分享收藏An extensive review of hyperspectral image classification and prediction: techniques and challenges
PREAI
分享收藏
分享收藏
查看更多内容