高光谱图像分类是遥感领域的重要研究方向，其丰富的谱间信息为地物精细分类提供了可能。然而，传统方法在处理高光谱数据时往往面临谱间冗余、空间信息利用不足等挑战。为此，本文提出了一种融合金字塔多尺度卷积与自注意力机制的新型高光谱图像分类方法。该方法通过金字塔卷积结构有效提取多尺度空间特征，同时利用自注意力机制捕捉长距离谱间依赖关系。具体而言，金字塔多尺度卷积模块采用不同扩张率的空洞卷积构建多级感受野，充分挖掘局部空间上下文信息；自注意力模块则通过计算谱间相关性实现全局特征重标定。两个模块的特征通过级联方式进行深度融合，最终通过分类器实现像素级分类。实验结果表明，该方法在多个公开数据集上均取得了优于传统方法的分类精度，特别是在处理复杂地物分布时表现出更强的特征判别能力。该研究为高光谱图像分类提供了一种新的特征提取思路，具有重要的理论价值和应用前景。
