申请/专利权人：齐齐哈尔大学

申请日：2021-09-06

公开（公告）日：2024-04-02

公开（公告）号：CN113705718B

主分类号：G06F30/27

分类号：G06F30/27

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.01.19#著录事项变更;2021.12.14#实质审查的生效;2021.11.26#公开

摘要：基于多层次特征密集融合的遥感场景图像分类方法，本发明涉及遥感场景图像分类方法。本发明的目的是为了解决现有高光谱图像提取的过程中，由于高光谱图像的高维特性以及小训练样本的情况，导致高光谱图像分类准确率低的问题。过程为：步骤一、采集高光谱图像数据集X和相对应的标签向量数据集Y；步骤二、建立基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF‑LCNN；步骤三、得到最优网络BMDF‑LCNN；步骤四、向最优网络BMDF‑LCNN中输入待测高光谱图像进行分类结果预测。本发明用于图像分类领域。

主权项：1.基于多层次特征密集融合的遥感场景图像分类方法，其特征在于：所述方法具体过程为：步骤一、采集高光谱图像数据集X和相对应的标签向量数据集Y；步骤二、建立基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF-LCNN；步骤三、将高光谱图像数据集X和相对应的标签向量数据集Y输入到建立的基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF-LCNN中，进行迭代优化，得到最优网络BMDF-LCNN；步骤四、向最优网络BMDF-LCNN中输入待测高光谱图像进行分类结果预测；所述步骤二中建立基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF-LCNN；具体过程为：基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF-LCNN包括输入层、第一组Group1、第二组Group2、第三组Group3、第四组Group4、第五组Group5、第六组Group6、第七组Group7、第八组Group8、第九组Group9以及输出分类层；所述基于双分支多层次特征密集融合的轻量级卷积神经网络BMDF-LCNN连接关系为：输入层的输出端连接第一组Group1，第一组Group1的输出端连接第二组Group2，第二组Group2的输出端连接第三组Group3，第三组Group3的输出端连接第四组Group4，第四组Group4的输出端连接第五组Group5，第五组Group5的输出端连接第六组Group6，第六组Group6的输出端连接第七组Group7，第七组Group7的输出端连接第八组Group8，第八组Group8的输出端连接第九组Group9，第九组Group9的输出端连接输出分类层实现分类；所述第一组Group1包括第一最大池化层、第一卷积单元、第二卷积单元、第三卷积单元、第一全连接层；第二组Group2包括第二最大池化层、第四卷积单元、第五卷积单元、第一深度可分离卷积层、第二全连接层；第三组Group3包括第六卷积单元、第七卷积单元、第二深度可分离卷积层；第四组Group4包括第三深度可分离卷积层、第四深度可分离卷积层、第五深度可分离卷积层、第六深度可分离卷积层、第七深度可分离卷积层、第八卷积单元、第九卷积单元、第十卷积单元、第十一卷积单元、第十二卷积单元、第三最大池化层、第一加和add层、第二加和add层、第三加和add层、第四加和add层、第五加和add层、第六加和add层；第五组Group5包括第十三卷积单元、第十四卷积单元、第八深度可分离卷积层、第九深度可分离卷积层、第十深度可分离卷积层、第十一深度可分离卷积层、第十二深度可分离卷积层、第十五卷积单元、第十六卷积单元、第十七卷积单元、第十八卷积单元、第十九卷积单元、第二十卷积单元、第二十一卷积单元、第四最大池化层、第七加和add层、第八加和add层、第九加和add层、第十加和add层、第十一加和add层、第十二加和add层、第十三加和add层、第十四加和add层；第六组Group6包括第十三深度可分离卷积层、第十四深度可分离卷积层、第十五深度可分离卷积层、第十六深度可分离卷积层、第十七深度可分离卷积层、第二十二卷积单元、第二十三卷积单元、第二十四卷积单元、第二十五卷积单元、第二十六卷积单元、第五最大池化层、第十五加和add层、第十六加和add层、第十七加和add层、第十八加和add层、第十九加和add层、第二十加和add层；第七组Group7包括第十八深度可分离卷积层、第十九深度可分离卷积层、第二十深度可分离卷积层、第二十一深度可分离卷积层、第二十二深度可分离卷积层、第二十三深度可分离卷积层、第二十四深度可分离卷积层、第二十七卷积单元、第二十八卷积单元、第二十九卷积单元、第三十卷积单元、第三十一卷积单元、第三十二卷积单元、第三十三卷积单元、第二十一加和add层、第二十二加和add层、第二十三加和add层、第二十四加和add层、第二十五加和add层、第二十六加和add层、第二十七加和add层、第二十八加和add层；第八组Group8包括第三十四卷积单元、第三十五卷积单元、第二十五深度可分离卷积层；第九组Group9包括全局平均池化GAP、Softmax分类层。

全文数据：

权利要求：

百度查询： 齐齐哈尔大学 基于多层次特征密集融合的遥感场景图像分类方法

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