基于双通道多特征融合网络的多光谱图像分类方法技术

本发明专利技术公开了一种基于双通道多特征融合网络的多光谱图像分类方法，将两个卫星不同波段的多光谱特征分别进行融合得到特征L和L′；然后将L和L′进行归一化处理得到Lnorm和L′norm；在Lnorm和L′norm上随机选取像素块作为训练集和验证集，构成基于图像块的特征矩阵Wtrain，Wval，根据sao_paulo城市的特征矩阵得到测试集的特征矩阵Wtest；构造双通道全卷积神经网络的分类模型；用训练数据集的特征矩阵Wtrain和验证数据集的特征矩阵Wval对分类模型进行训练；利用训练好的分类模型对测试数据集的特征矩阵Wtest分类。本发明专利技术应用双通道全卷积神经网络进行多光谱图像分类，和普通全卷积神经网络相比，提高了分类精度。

Multi spectral image classification method based on dual channel multi feature fusion network

The invention discloses a multispectral image classification method based on dual channel multi feature fusion network, multi spectral characteristics of two satellites of different bands respectively were fused to get the features of L and L 'L and L'; and then the normalized Lnorm and L 'norm; Lnorm and L were randomly selected in' norm on the block of pixels as training set and validation set, Wval feature matrix Wtrain, based on the image block, according to the characteristics of Wtest matrix characteristic matrix of sao_paulo city's test set; constructing classification model of double channel deconvolution neural network; feature matrix Wval using the training data set of characteristic matrix Wtrain and validation data set for training on the classification model; characteristic matrix Wtest classification by using the classification model trained on the test data set. The invention uses the double channel full convolution neural network to classify the multi spectral images, and improves the classification accuracy compared with the common full convolution neural network.

【技术实现步骤摘要】
基于双通道多特征融合网络的多光谱图像分类方法
本专利技术属于图像处理领域，具体涉及一种基于双通道多特征融合网络的多光谱图像分类方法。
技术介绍
多光谱图像作为遥感图像的一种，它有其自身的特点。一方面是充分利用能透过大气的各类电磁波谱段，向红外、远红外和微波扩展，另一方面则是细分光谱段。一般的典型地物都具有其光谱波形特征，由于波段宽度狭窄、数量多并且连续，高维多光谱图像能够提供地物近似连续的光谱信息，具有高的光谱分辨率。图像的融合层次分为三种，数据级融合，特征级融合和决策级融合。当前多光谱图像融合包括两个方面，即多光谱图像与全色图像之间的融合，以及多光谱各谱段之间图像的融合。与全色图像融合的本质是把有低空间分辨率、高光谱分辨率的多光谱图像和具有高空间分辨率、低光谱分辨率的全色光学图像进行综合，使融合后的图像具有较高空间细节表现能力，又同时保留光谱特性。多光谱各谱段之间的融合目的是把能反映目标光谱特征的几个谱段图像进行综合，则融合图像可以反映地物特征，减少数据量，为检测和识别提供可靠依据。目前常用的融合方法有HIS变换法、主成分分析法(PCA)、高通滤波法、小波变换法、简单线性加权法等。本文档来自技高网...

【技术保护点】
一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，包括以下步骤：步骤一，将landsat_8卫星拍摄的波段叠加融合，得到融合后的多光谱特征L；步骤二，将sentinel_2卫星拍摄的波段叠加融合，得到融合后的多光谱特征L′；步骤三，将两个卫星得到的多光谱特征矩阵L和L′中的每个波段的多光谱特征矩阵Li、L′j分别进行归一化处理；步骤四，从归一化后的特征矩阵Lnorm和L′norm中随机选取n×n的像素块作为训练样本，整个特征矩阵作为测试样本；步骤五，构造Lnorm和L′norm中训练数据集Ttrain的特征矩阵Wtrain，验证数据集Tval的特征矩阵Wval和测试数据集Ttest...

【技术特征摘要】
1.一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，包括以下步骤：步骤一，将landsat_8卫星拍摄的波段叠加融合，得到融合后的多光谱特征L；步骤二，将sentinel_2卫星拍摄的波段叠加融合，得到融合后的多光谱特征L′；步骤三，将两个卫星得到的多光谱特征矩阵L和L′中的每个波段的多光谱特征矩阵Li、L′j分别进行归一化处理；步骤四，从归一化后的特征矩阵Lnorm和L′norm中随机选取n×n的像素块作为训练样本，整个特征矩阵作为测试样本；步骤五，构造Lnorm和L′norm中训练数据集Ttrain的特征矩阵Wtrain，验证数据集Tval的特征矩阵Wval和测试数据集Ttest的特征矩阵Wtest；步骤六，构造双通道全卷积神经网络模型；步骤七，将训练样本和验证样本输入网络进行训练，得到训练好的分类模型；步骤八，加载训练好的分类模型，对测试集进行分类，得到测试分类结果。2.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤一中，L＝(L1，L2，...，Li)，Li表示landsat_8的第i个波段的多光谱特征，i＝9表示一共有9个波段，L的维度为M×N×i，Li的维度为M×N，M表示光谱特征矩阵的高度，N表示光谱特征矩阵的宽度。3.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤二中，L′＝(L′1，L′2，...，L′j)，L′j表示sentinel_2卫星的第j个波段的多光谱特征，j＝10表示一共有10个波段，L′的维度为M×N×j，L′j的维度为M×N。4.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤三中，归一化后的特征矩阵Lnorm和L′norm，归一化处理公式如下：其中x表示特征矩阵Li中的特征值，y表示特征矩阵L′j中的特征值。5.根据权利要求1所述的一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，所述步骤五中，构造Lnorm和L′norm中训练数据集Ttrain的特征矩阵Wtrain，验证数据集Tval的特征矩阵Wval...

【专利技术属性】
技术研发人员：焦李成，屈嵘，高丽丽，马文萍，杨淑媛，侯彪，刘芳，尚荣华，张向荣，张丹，唐旭，马晶晶，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61