动态图交叉自注意力引导的级联多模态遥感图像分类

目前高光谱图像（HSI）与激光雷达（LiDAR）等多模态遥感数据结合光谱、空间和高程信息进行多模态联合分类成为热点，但也面临着特征冗余、跨模态信息交互不足及长距离依赖建模困难等挑战。为此，提出一种动态图交叉自注意力引导的级联增强分类网络。该网络通过多尺度特征提取模块增强空间-光谱和空间-高程信息的联合建模能力，提高了网络对不同尺度地物的适应性；在此基础上设计级联交互特征增强模块以提升融合效果，不仅增强了模态间的互补性还保留了特异性；并构建动态图交叉自注意力引导机制，借助图注意力网络实现交叉注意力与自注意力的动态权重分配，促使多模态特征依赖关系进行自适应交互。该方法在Houston2013、Trento和MUUFL数据集上分别取得94.34%、99.16%和88.54%的总体分类精度，相较于其他网络方法表现出色，验证了其在HSI与LiDAR数据融合任务中的有效性和鲁棒性。