申请/专利权人：中国地质大学(北京)

申请日：2023-08-25

公开（公告）日：2024-03-22

公开（公告）号：CN117079043B

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V10/77;G06V10/774;G06V10/42;G06V10/44;G06N3/0464;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2023.12.05#实质审查的生效;2023.11.17#公开

摘要：本发明公开了一种基于可变形‑扩张卷积金字塔特征的高光谱图像分类方法，包括步骤如下:读入高光谱图像；通过主成分分析进行降维；对降维之后的图像进行分块处理；构建训练集和测试集；通过局部卷积模块进行预处理；通过金字塔特征提取模型进行多尺度特征提取；通过Transformer模块进行全局特征提取；通过全连接层获取类别预测概率；模型训练及参数更新；确定样本的分类结果。本发明的优点在于:充分利用空间信息，自适应地物分布形状，结合了卷积和Transformer全面捕捉图像的信息，本发明在高光谱图像分类任务中取得了较好的分类视觉效果，具有高分类精度等优点。

主权项：1.一种基于可变形-扩张卷积金字塔特征的高光谱图像分类方法，其特征在于，包括以下步骤：S1、读入高光谱图像HSI数据；读入原始HSI数据其中h和w是空间大小，l是光谱带数；S2、通过主成分分析PCA进行降维；采用PCA来处理原始HSI数据，将光谱带数从l减少到b，同时保持空间维度不变；经过PCA降维之后的HSI数据为其中b是经过PCA之后的光谱带数量；S3、对降维之后的图像进行分块处理；经过PCA降维之后，对HSI数据Ipca进行分块，其中s×s表示分块窗口大小；S4、构建训练集和测试集；抽取一定比例的带标签的样本图像块作为训练集，剩余的带标签的样本图像块作为测试集，比例的大小可以根据实际情况设置；S5、通过局部卷积模块进行预处理；将待处理图像块Pprocess先经过一个卷积核为3×3、步长为2的卷积进行下采样，然后经过一个3×3，步长为1的卷积，再经过一个3×3，步长为1的卷积进行预处理，得到输出IG；S6、通过金字塔特征提取模型进行多尺度特征提取；金字塔特征提取模型包括三层不同尺度的特征提取，每层特征提取中均通过由不同卷积核大小的可变形卷积块和不同扩张率的扩张卷积块构成的并行双支结构，三层特征提取的三个输出分别经过3×3卷积进行空间维度的统一，然后进行相加，最终得到金字塔特征提取模型的输出；S7、通过Transformer模块对全局特征进行提取；S8、通过全连接层获取类别预测概率；Transformer块的输出经过全局平均池化，再经过一个升维的全连接层、GELU激活函数、一个降维的全连接层，输出是数据集的地物类别数；S9、模型训练及参数更新；将训练样本对应的图像块经过步骤S5至步骤S8处理，利用整个网络来逐步更新模型的参数，在反复迭代过程中，使用交叉熵损失函数进行监督，使用自适应矩估计对损失函数进行优化，不断更新并保存最优的模型权重；S10、确定样本的分类结果；使用训练得到的最佳模型权重在测试样本对应的图像块上进行预测，通过argmax函数寻找每个预测结果中概率最高的类别的索引，最终输出高光谱图像分类结果Y。

全文数据：

权利要求：

百度查询： 中国地质大学(北京) 基于可变形-扩张卷积金字塔特征的高光谱图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD