لمعالجة مشكلة عدم التوازن بين الميزات المحلية والميزات العالمية في طرق تصنيف الصور الطيفية العالية (Hyperspectral Image، HSI) الحالية، قام هذا البحث ببناء نموذج دمج ميزات متقاطع غاوسي. من خلال عملية الضرب العنصري لتحقيق الترابط بين الميزات المختلفة، تم تصميم خوارزمية دمج ميزات انتباه متقاطع غاوسي، والتي تحلل العلاقة الداخلية بين نوعي الميزات بناءً على تشابه ناقلات الإسقاط، وتستخدم دالة غاوسية لتكميم أوزان الدمج، ومن خلال تحسين المعلمات الرئيسية يتم تحقيق وزن ديناميكي للميزات المحلية والعالمية لضمان توازنهما في الدمج. للتحقق من فعالية الطريقة، أُجريت تجارب على مجموعات بيانات عامة لأربعة سيناريوهات نموذجية: مشهد المحاصيل Indian Pines، مشهد المباني في المدينة University of Pavia، مشهد الغطاء النباتي الزراعي Salinas، وسيناريو مزيج غير متجانس LongKou، وتمت مقارنة النتائج مع 11 طريقة رائدة مثل DCSST، SMESC وVit-cov، واستخدمت دقة الإجمالي (Overall Accuracy، OA)، الدقة المتوسطة (Average Accuracy، AA) ومعامل كابا لتقييم الطريقة. أظهرت النتائج أن طريقتنا هي الأفضل، مما يدل على مزايا التصنيف في مشاهد النباتات، المباني الصناعية، والمزيج غير المتجانس، وأيضًا تظهر قدرة تعميم جيدة إلى حد ما.

تصنيف الصور الطيفية العالية;آلية الانتباه;دالة غاوس;استخراج الميزات;دمج الميزات