[發(fā)明專利]基于非重復(fù)采樣與原型網(wǎng)絡(luò)的高光譜圖像分類方法有效
| 申請(qǐng)?zhí)枺?/td> | 202010460841.6 | 申請(qǐng)日： | 2020-05-27 |
| 公開(kāi)（公告）號(hào)： | CN111639697B | 公開(kāi)（公告）日： | 2023-03-24 |
| 發(fā)明（設(shè)計(jì)）人： | 張文博;茹穎;姬辛迪;柴新雨;段育松 | 申請(qǐng)（專利權(quán)）人： | 西安電子科技大學(xué) |
| 主分類號(hào)： | G06V10/764 | 分類號(hào)： | G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/048;G06N3/08 |
| 代理公司： | 陜西電子工業(yè)專利中心 61205 | 代理人： | 王品華 |
| 地址： | 710071*** | 國(guó)省代碼： | 陜西;61 |
| 權(quán)利要求書： | 查看更多 | 說(shuō)明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 重復(fù) 采樣 原型 網(wǎng)絡(luò) 光譜 圖像 分類 方法 | ||
1.基于非重復(fù)采樣與原型網(wǎng)絡(luò)的高光譜圖像分類方法，其特征在于，包括如下：
(1)從高光譜數(shù)據(jù)庫(kù)中挑選出PaviaU，Pavia，Salinas，Indian_pines和Botswana五個(gè)數(shù)據(jù)集，分別進(jìn)行讀取，得到每個(gè)數(shù)據(jù)集中三維矩陣數(shù)據(jù)域?yàn)閙×n×h，其標(biāo)簽域?yàn)槎S矩陣m×n，其中h代表高光譜圖像的光譜維度，(m,n)表示某一光譜上像元的位置；
(2)對(duì)(1)中獲取的五個(gè)數(shù)據(jù)集，分別利用每個(gè)數(shù)據(jù)集中三維矩陣數(shù)據(jù)域進(jìn)行數(shù)據(jù)歸一化處理、去除背景類和降維操作的預(yù)處理，以消除噪聲和冗余信息帶來(lái)的影響；
(3)劃分訓(xùn)練集和測(cè)試集：在預(yù)處理后的五個(gè)數(shù)據(jù)集中，隨機(jī)在一個(gè)數(shù)據(jù)集中挑選出所有的樣本數(shù)大于200的類別，并用非重復(fù)采樣的方法分別從每類中采集200個(gè)樣本作為測(cè)試集，從剩余四個(gè)數(shù)據(jù)集中隨機(jī)抽取出N個(gè)樣本數(shù)大于200的類，再利用非重復(fù)采樣的方法，從每一類中采集200個(gè)樣本作為訓(xùn)練集，N的取值根據(jù)不同的訓(xùn)練集分別設(shè)置；
(4)構(gòu)建依次由輸入數(shù)據(jù)→第一卷積層→第一RELU操作→第二卷積層→第二RELU操作→全連接層組成的高光譜圖像原型分類網(wǎng)絡(luò)；
(5)對(duì)高光譜圖像原型分類網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的網(wǎng)絡(luò)最優(yōu)模型；
(6)對(duì)測(cè)試集進(jìn)行分類：
(6a)將測(cè)試集按照每類3：197的樣本比例劃分為測(cè)試支持集和測(cè)試查詢集；
(6b)將測(cè)試支持集輸入到(5)得到的網(wǎng)絡(luò)最優(yōu)模型，得到測(cè)試查詢集中每一類的原型位置，并對(duì)測(cè)試查詢集中的樣本數(shù)據(jù)到對(duì)應(yīng)類別的原型位置的距離做softmax邏輯回歸操作，得到測(cè)試數(shù)據(jù)分類結(jié)果。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于：(2)中數(shù)據(jù)歸一化處理，其實(shí)現(xiàn)如下：
(2a)將步驟(1)中獲得的三維矩陣數(shù)據(jù)域m×n×h變換為二維矩陣[(m×n),h]；
(2b)采用Max-Min歸一化操作，遍歷h個(gè)光譜，再將每一個(gè)光譜中的m×n個(gè)數(shù)據(jù)，都映射到[0,1]范圍內(nèi)，得到歸一化后的像元值xijs′：
其中，s表示高光譜圖像中的一個(gè)光譜段，(i,j)表示光譜段s中的一個(gè)像元的坐標(biāo)，xijs表示光譜段s中的一個(gè)像元值，x..smax,x..smin分別表示在光譜段s中所有像元的最大值和最小值。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于：(2)中去除背景類操作，是去除數(shù)據(jù)集中類別為0的樣本與標(biāo)簽。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于：(2)中的降維操作，是對(duì)去除背景類后的五個(gè)數(shù)據(jù)集進(jìn)行主成分分析，得到三維矩陣m×n×pn，其中pn設(shè)置為50。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于：(4)中高光譜圖像原型分類網(wǎng)絡(luò)的各層參數(shù)設(shè)置如下：
第一卷積層的特征映射圖總數(shù)為50，卷積核大小為3×3，卷積步長(zhǎng)為1，填充值為1；
第二卷積層的特征映射圖總數(shù)為100，卷積核大小為3×3，卷積步長(zhǎng)為1，填充值為0；
全連接層的輸入寬度為200，輸出寬度為9。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安電子科技大學(xué)，未經(jīng)西安電子科技大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請(qǐng)聯(lián)系【客服】
本文鏈接：http://www.17sss.com.cn/pat/books/202010460841.6/1.html，轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
