1.一種基于多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)的高光譜圖像分類方法，其特征在于，包括如下：

(1)輸入原始三維高光譜圖像，并對(duì)其進(jìn)行0邊緣填充操作；在填充操作后的高光譜圖像中，以每個(gè)像素點(diǎn)為中心，選取高光譜圖像塊；

(2)將高光譜圖像塊生成樣本數(shù)不同的訓(xùn)練樣本集和測(cè)試樣本集；

(3)構(gòu)建多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)：

(3a)搭建一個(gè)由兩個(gè)譜間殘差模塊串聯(lián)組成的多尺度譜間特征提取模塊；

(3b)搭建一個(gè)由兩個(gè)空間殘差模塊串聯(lián)組成的多尺度空間特征提取模塊；

(3c)將多尺度譜間特征提取模塊、多尺度空間特征提取模塊和softmax分類器依次串聯(lián)，組成多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)；

(4)訓(xùn)練多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)：

(4a)構(gòu)建鉸鏈交叉熵?fù)p失函數(shù)，其公式如下：

其中，L表示預(yù)測(cè)標(biāo)簽向量與真實(shí)標(biāo)簽向量之間的鉸鏈交叉熵?fù)p失值，argmax(·)表示取最大值所在的位置，y表示預(yù)測(cè)標(biāo)簽向量，y^*表示真實(shí)標(biāo)簽向量，θ表示設(shè)定的閾值，表示真實(shí)標(biāo)簽向量中的第i個(gè)元素，y_i表示預(yù)測(cè)標(biāo)簽向量中的第i個(gè)元素，M表示訓(xùn)練集的類別總數(shù)；

(4b)將訓(xùn)練樣本集與訓(xùn)練樣本標(biāo)簽輸入到多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)中，得到訓(xùn)練樣本的預(yù)測(cè)標(biāo)簽y_i；采用隨機(jī)梯度下降算法進(jìn)行訓(xùn)練多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)，直到鉸鏈交叉熵?fù)p失函數(shù)收斂，得到訓(xùn)練好的多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)；

(5)將測(cè)試樣本輸入到訓(xùn)練好的多尺度譜空卷積神經(jīng)網(wǎng)絡(luò)，得到測(cè)試樣本的類別標(biāo)簽，完成高光譜圖像的分類。