基于多模态压缩双线性池化的高光谱图像分类方法技术

本发明专利技术公开了基于多模态压缩双线性池化的高光谱图像分类方法，其特征是，包括如下步骤：1）数据预处理；2）光谱通道特征提取；3）空间通道特征提取；4）空‑谱特征融合；5）高光谱像元分类。这种方法有效解决了原光谱和空间特征向量外积维数较高，计算复杂，容易产生过拟合的问题。

【技术实现步骤摘要】
基于多模态压缩双线性池化的高光谱图像分类方法
本专利技术涉及智能图像处理
，具体涉及基于多模态压缩双线性池化(MultimodalCompactBilinearPooling，简称MCB)的高光谱图像分类方法。
技术介绍
高光谱图像(Hyperspectralimage,简称HSI)具有光谱分辨率高、图谱合一的独特优点，已被广泛应用于目标追踪、环境保护、农业监测及气象预报等领域。对高光谱图像中每个像元进行分类是高光谱遥感应用的基石，具有极大的研究意义。传统的高光谱图像分类方法往往只基于光谱信息在低维空间上提取特征，典型的方法主要包括：K-均值聚类(K-means)方法、流形学习(ManifoldLearning)、支持向量机(Supportvectormachine,简称SVM)等。然而，这些分类方法依赖于浅层光谱特征，忽略了对高光谱空间信息的使用，同时所提取高光谱图像特征的不变性及判别性较差。为了改善高光谱图像的分类性能，联合利用高光谱图像的光谱和空间信息设计分类器已成为一个主要的研究方向。近年来，深度学习以其在视觉感知任务中的优秀表现获得了广大高光谱分类研究者的热切关注。L本文档来自技高网...

【技术保护点】
基于多模态压缩双线性池化的高光谱图像分类方法，其特征是，包括如下步骤：1)数据预处理：对原高光谱图像的每个像元在光谱维度上进行归一化处理、对原高光谱图像的每个波段在空间维度上进行归一化处理；2)光谱通道特征提取：选取在光谱维度上归一化处理后的高光谱图像的第n个像素的光谱带sn∈R

【技术特征摘要】
1.基于多模态压缩双线性池化的高光谱图像分类方法，其特征是，包括如下步骤：1)数据预处理：对原高光谱图像的每个像元在光谱维度上进行归一化处理、对原高光谱图像的每个波段在空间维度上进行归一化处理；2)光谱通道特征提取：选取在光谱维度上归一化处理后的高光谱图像的第n个像素的光谱带sn∈RM×1，作为光谱通道的输入，此后使用1-D核对光谱输入进行卷积和最大池化操作，在光谱通道的全连接层获得光谱通道的输出特征其中M为光谱带长度，K为全连接层的神经元个数；3)空间通道特征提取：首先，对在空间维度上归一化处理后的高光谱图像在光谱维度上进行主成分分析降维处...

【专利技术属性】
技术研发人员：欧阳宁，朱婷，林乐平，莫建文，袁华，首照宇，张彤，陈利霞，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：广西,45