【技术实现步骤摘要】
非平衡高光谱图像分类方法
[0001]本专利技术属于图像处理
,特别涉及一种非平衡高光谱图像分类方法,可用于矿产勘测,生态监测,智慧农业及医疗诊断。
技术介绍
[0002]高光谱图像的光谱分辨率高,可覆盖可见光、近红外以及短波红外波长范围,通常具有数十至数百个波段。不同物质独特而又精细的光谱信息,使得区分仅仅具有细微差异的土地覆盖类别成为可能,目前在矿产勘测,生态监测,智慧农业,医疗诊断等方面得到了广泛的应用。高光谱图像分类是高光谱图像解译的重要手段之一,致力于将图像中的每一个像素点赋予特定的标签,从而实现对场景的像素级语义解析,可为地物监测、变化检测等更高层次的应用提供有力的支持。
[0003]在实际拍摄的高光谱图像中,不同类别的地物在图像中所占面积比例的差异较大,因此用于训练分类器的样本数据呈现非平衡的分布规律,即有的类别样本数量较大,属于大类别,有的类别样本数量较少,属于小类别。在上述情况下,分类器的训练过程将严重依赖大类别样本的标注信息,而较少关注小类别的样本,导致分类结果偏向于大类别,小类别的分类精度较差。然而,在一个场景中的少数类通常是更有价值的,需要得到高质量的识别率。例如,在植被覆盖场景分类中,人们更关注的珍贵稀有物种通常在图像中只占据少部分像素;在实时分类应用中,森林火灾在初始阶段仅占据图像场景中很小的区域,分类器应尽早准确划分出这一小类别,从而实现及时的防灾减灾。因此,设计非平衡高光谱图像分类方法,具有十分重要的意义和价值。
[0004]传统的用于解决非平衡高光谱图像分类的方 ...
【技术保护点】
【技术特征摘要】
1.一种非平衡高光谱图像的分类方法,其特征在于,包括以下步骤:1)获取高光谱图像数据并进行波段选择,按照固定尺寸将波段选择后的高光谱图像分割出光谱
‑
空间特征邻域块,再将其按1:99的比例划分为训练样本和测试样本;2)构建非平衡高光谱图像分类网络模型:2a)建立由三个三维卷积模块与二维卷积模块级联,并与两个并联的全连接网络级联,之后再级联重参数模块组成了三维编码器;2b)在隐含空间设置小类别上采样模块;2c)建立由1个全连接层和多个反卷积层构成的三维解码器;2d)建立由1个全连接层构成的图像分类器模块;2e)将三维编码器与小类别上采样模块级联,将三维解码器与分类器并联,小类别上采样模块的输出同时并行输入三维解码器与分类器,形成非平衡高光谱图像分类网络模型;3)对非平衡高光谱图像分类网络模型进行训练:3a)构建该网络模型的总体损失函数L
Total
=λ
·
L
mmd
+L
PdRec
+L
cls
,其中L
mmd
为基于最大化均值差异的正则项损失函数,L
PdRec
为基于邻域距离的重构损失函数,L
cls
为基于交叉熵的分类损失函数,λ为参数;3b)初始化非平衡高光谱图像分类网络模型的参数包括三维编码器中的权重参数w、偏置参数b和参数θ={θ1,θ2}、三维解码器中的权重参数w、偏置参数b和参数小类样本特征上采样模块中的均值参数和方差参数及分类器参数η;3c)将训练样本输入到非平衡高光谱图像分类网络模型,采用梯度下降方法,循环更新非平衡高光谱图像分类网络中的参数,以减小总损失函数的梯度值,直至达到最大迭代次数T为止,得到训练好的非平衡高光谱图像分类网络模型;4)将测试样本输入到训练好的非平衡高光谱图像分类网络模型,输出高光谱图像分类结果图。2.根据权利要求1所述的方法,其特征在于:所述1)中获取高光谱图像数据并进行波段选择,是利用主成分分析法对高光谱图像进行波段选择处理,实现特征降维,并保留前K个主成分;所述1)中按照固定尺寸将波段选择后的高光谱图像分割出光谱
‑
空间特征邻域块,是采用主成分波段选取样本,每个样本的尺寸为S
×
S
×
K,得到光谱
‑
空间邻域特征,其中S表示邻域的空间大小;所述1)中的训练图像表示为X={x1,...x
i
...,x
N
},训练图像对应的标签为Y={y1,...y
i
...,y
N
},其中x
i
为第i个训练图像,y
i
为第i个标签,i的范围为从1到N,N表示训练图像的数目。3.根据权利要求1所述的方法,其特征在于:所述2a)中三个三维卷积模块,均由卷积层、标准化层和激活层级联组成,该三个卷积层的卷积核分别为(3,3,7)、(3,3,5)和(3,3,3),该三个标准化层与三个激活层结构相同,其结构为:第一卷积层
‑
>第一标准化层
‑
>第一激活层
‑
>第二卷积层
‑
>第二标准化层
‑
>第二激活层
‑
>第三卷积层
‑
>第三标准化层
‑
>第三激活层。4.根据权利要求1所述的方法,其特征在于:所述2a)中二...
【专利技术属性】
技术研发人员:席博博,李娇娇,刁妍,李云松,刘薇,宋锐,刘松林,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。