기존 고분광영상(Hyperspectral Image, HSI) 분류 방법에서 지역 특징과 전역 특징 간의 불균형 문제를 해결하기 위해 본 논문에서는 가우스 교차 특징 융합 모델을 구축하였다. 요소별 곱 연산을 통해 서로 다른 특징 간의 상호 연결을 실현하였으며, 가우스 교차 주의 특징 융합 알고리즘을 설계하였다. 매핑 벡터 간의 유사도 분석에 따라 두 가지 특징의 내재적 관계를 파악하고, 가우스 함수를 사용하여 융합 가중치를 정량화하였으며, 주요 매개변수 최적화를 통해 지역 및 전역 특징에 대한 동적 가중치를 구현하여 두 특징의 융합 균형을 보장하였다. 방법의 유효성을 검증하기 위해 농작물 장면 Indian Pines, 도시 지물 장면 Pavia University, 농업 식생 장면 Salinas 및 이종 혼합 장면 LongKou의 네 가지 전형적인 응용 장면에 대한 공개 데이터셋에서 실험을 수행하였으며, DCSST, SMESC, Vit-cov 등 11가지 주류 방법과 실험 결과를 비교하였다. 전체 정확도(Overall Accuracy, OA), 평균 정확도(Average Accuracy, AA), Kappa 계수를 사용하여 방법을 평가한 결과 본 방법이 가장 우수한 성능을 보였으며, 식물, 인공 지물 및 이종 혼합 장면에서의 분류 우수성을 나타내었고, 일정 수준의 일반화 능력 또한 증명하였다.

고분광영상 분류;주의 메커니즘;가우스 함수;특징 추출;특징 융합