1.一种高光谱图像分类方法,所述高光谱图像由高光谱相机拍摄获得,其特征在于,所述高光谱图像分类方法基于卷积神经网络和混合组合transformer注意力网络,具体包括以下步骤:
2.根据权利要求1所述的高光谱图像分类方法,其特征在于,所述步骤s1包括:
3.根据权利要求2所述的高光谱图像分类方法,其特征在于,步骤s2包括:
4.根据权利要求3所述的高光谱图像分类方法,其特征在于,所述步骤s3包括:
5.根据权利要求2所述的高光谱图像分类方法,其特征在于,所述步骤s4包括:
6.根据权利要求5所述的高光谱图像分类方法,其特征在于,所述步骤s5包括:
7.根据权利要求6所述的高光谱图像分类方法,其特征在于,所述步骤s6包括:
8.根据权利要求1所述的高光谱图像分类方法,其特征在于,所述步骤s7包括:
9.根据权利要求1-8中任一项所述的高光谱图像分类方法,其特征在于,所述高光谱图像分类方法使用一种高光谱图像分类系统完成,所述高光谱图像分类系统包括高光谱图像模块(1)、3d密集卷积神经网络模块(2)、基于光谱特征的混合组合transformer注意力网络模块(3)、2d密集卷积神经网络模块(4)、基于空间特征的混合组合transformer注意力网络模块(5)、光谱-空间特征融合网络模块(6)和分类图像模块(7),所述步骤s1在高光谱图像模块(1)中完成,所述步骤s2在3d密集卷积神经网络模块(2)中完成,所述步骤s3在基于光谱特征的混合组合transformer注意力网络模块(3)中完成,所述步骤s4、和所述步骤s5在2d密集卷积神经网络模块(4)中完成,所述步骤s6在基于空间特征的混合组合transformer注意力网络模块(5)中完成,所述步骤s7和所述步骤s8在光谱-空间特征融合网络模块(6)中完成,而步骤s9在分类图像模块(7)中完成。