申请/专利权人：成都理工大学

申请日：2023-12-26

公开（公告）日：2024-04-02

公开（公告）号：CN117809179A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/58;G06N3/0464;G06N3/047;G06N3/045;G06V10/764;G06V10/80;G06V10/82

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明提供了一种面向对象的高光谱遥感影像地表岩性识别分类方法，涉及高光谱遥感影像处理领域，包括：确定研究区内的高光谱遥感影像以及每幅高光谱遥感影像对应的岩性类型标签，制作高光谱遥感数据集；利用无泄漏信息数据集划分策略将高光谱遥感数据集中的高光谱遥感影像的像素划分为训练集和测试集；无泄漏信息数据集划分策略确保训练数据和测试数据之间没有重叠；基于深度学习方法，利用划分好的训练集和测试集来训练和构建的双分支多尺度双注意机制网络提取待测高光谱遥感影像的光谱特征和空间特征并融合，生成融合后的特征，表征待测高光谱遥感影像的地表岩性类型。本发明在无信息泄漏且样本数量少的情况下能够提高各个类别地物的识别精度。

主权项：1.一种面向对象的高光谱遥感影像地表岩性识别分类方法，其特征在于，包括：确定研究区内的高光谱遥感影像以及每幅高光谱遥感影像对应的岩性类型标签，制作高光谱遥感数据集；利用无泄漏信息数据集划分策略将所述高光谱遥感数据集中的高光谱遥感影像的像素划分为训练集和测试集；所述无泄漏信息数据集划分策略能够确保训练集中的训练数据和测试集中的测试数据之间没有重叠；基于深度学习方法，利用双分支多尺度双注意机制网络提取待测高光谱遥感影像的光谱特征和空间特征并融合，生成融合后的特征；所述双分支多尺度双注意机制网络是通过所述训练集和所述测试集训练和构建的；所述双分支多尺度双注意机制网络包括光谱分支、空间分支和分类头；所述光谱分支包括MSeRA密集连接模块以及光谱自注意力机制模块，所述光谱分支用于提取所述光谱特征中具有诊断性的光谱特征；所述空间分支包括空间密集连接模块以及空间自注意力机制模块，所述空间分支用于提取所述空间特征中具有诊断性的空间特征；所述分类头用于融合所述光谱分支提取的具有诊断性的光谱特征和所述空间分支提取的具有诊断性的空间特征，生成融合后的特征；所述融合后的特征用于表征所述待测高光谱遥感影像的地表岩性类型。

全文数据：

权利要求：

百度查询： 成都理工大学 一种面向对象的高光谱遥感影像地表岩性识别分类方法

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