既存の高スペクトル画像（Hyperspectral Image、HSI）分類方法における局所特徴と全局特徴の関係の不均衡問題に対して、本論文ではガウス交差特徴融合モデルを構築した。要素ごとの乗算操作により異なる特徴間のインタラクションを実現し、ガウス交差注意特徴融合アルゴリズムを設計した。マッピングベクトル間の類似度に基づき、二つの特徴の内在的な関係を分析し、ガウス関数を用いて融合重みを定量化し、主要パラメータを最適化することで局所特徴と全局特徴の動的加重を実現し、両者の融合バランスを確保した。手法の有効性を検証するために、農作物シーンIndian Pines、都市物体シーンPavia University、農業植生シーンSalinas、および異種混合シーンLongKouの四つの代表的な応用シーンの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種類の主流手法と比較した。全体精度（Overall Accuracy、OA）、平均精度（Average Accuracy、AA）、Kappa係数を用いて手法を評価した結果、本手法が最も優れた効果を示し、本手法が植物、人工物、および異種混合シーンにおける分類優位性を持ち、一定程度の汎化能力も示すことを表した。

高スペクトル画像分類;注意機構;ガウス関数;特徴抽出;特徴融合