Wavelet transform multi-feature enhancement network for hyperspectral image classification

Shanjun Luo

doi:10.1016/j.asr.2026.06.120

Wavelet transform multi-feature enhancement network for hyperspectral image classification

2026-07-03

0

PRE

AI

DOI：10.1016/j.asr.2026.06.120

原文链接

原文求助

摘要

En 中文

尽管卷积神经网络（CNNs）被广泛应用于高光谱图像分类，但标准架构通常无法充分利用光谱-空间数据的多尺度特性。为弥补这一差距，我们提出了基于小波的多尺度特征增强网络（W²MFEN），该网络融合了小波变换的多分辨率分析与CNN的表示学习。与有意义的单流网络不同，W²MFEN将数据分解为不同频率分量，实现了全局语义轮廓和局部高频细节的同时提取。为确保特征纯净度，我们设计了一个全局噪声抑制注意力模块，专门针对并衰减高频空间频带中的噪声。此外，引入了一个局部特征降维注意力模块以优化光谱维度，在减少冗余的同时增强局部特征显著性。这些多样化特征最终由一个多尺度特征融合增强模块合成，该模块通过自适应加权与聚合信息实现精确分类。大量实验验证了该方法有效处理多尺度变化，且优于现有主流模型。

Keyword:

Convolutional neural networks

Wavelet transform

Multiscale features

Attention module

Wavelet transform multi-feature enhancement network for hyperspectral image classification

摘要

期刊

机构

引用论文