基于残差光谱与多尺度空间特征提取网络的高光谱图像分类方法

本发明涉及一种基于残差光谱与多尺度空间特征提取网络的高光谱图像分类方法，属于高光谱图像处理技术领域，包括以下步骤：S1：输入高光谱图像，预处理并划分训练、验证、测试集；S2：对数据进行初始卷积降维；S3：将降维特征通过Ghost3D残差块和光谱残差注意力机制挖掘高光谱图像数据的光谱特征，并进行维度转换；S4：将光谱特征利用多尺度空间卷积块提取空间纹理特征；S5：将步骤S1‑S4封装入卷积神经网络模型进行训练，通过反向传播方法迭代训练模型中的参数，达到最大迭代次数后停止，得到高光谱图像分类模型；S6：最终，将测试集和验证集输入到高光谱图像分类模型中进行测试和验证，得到分类类标，完成分类。