既存の高分光画像（Hyperspectral Image、HSI）分類法における局所特徴と全体特徴間の関係の不均衡問題に対処するため、本論文ではガウス交差特徴融合モデルを構築した。異なる特徴間の相互接続は要素ごとの乗算操作により実現し、ガウス交差注意特徴融合アルゴリズムを設計した。写像ベクトル間の類似度に基づき双方の特徴の内在的な関連性を分析し、ガウス関数を用いて融合重みを量子化し、主要パラメータの最適化を通じて局所特徴と全体特徴の動的な加重を実現することで、融合時に両者の均衡を確保した。本手法の有効性を検証するため、農作物シーンのIndian Pines、都市地物シーンのPavia University、農業植生シーンのSalinas、および異種混合シーンのLongKouの4つの代表的な公開データセットで実験を行い、実験結果をDCSST、SMESC、Vit-covなど11種の主流手法と比較した。全体精度（Overall Accuracy、OA）、平均精度（Average Accuracy、AA）、カッパ係数を用いて評価した結果、本手法は最良の効果を示し、本手法が植物、人工物および異種混合シーンの分類において優位性を持ち、また一定程度手法の優れた汎化能力を示すことを表した。

高分光画像分類;注意機構;ガウス関数;特徴抽出;特徴融合