一种多模高光谱图像迁移分类方法技术

本发明专利技术属于遥感图像处理与应用技术领域，具体涉及一种多模高光谱图像迁移分类方法。本发明专利技术用于解决现有高光谱图像分类技术难以跨数据、跨任务迁移的问题。主要解决多模高光谱图像迁移分类面临的两个技术难题，特征漂移与任务不一致。利用基于零次学习网络的领域自适应方法学习多模数据共性特征以解决特征漂移问题；使用分级度量学习策略进行新任务识别以完成任务迁移。本发明专利技术可实现不同空谱分辨率、不同光谱范围、以及不同任务覆盖的多模高光谱图像之间的信息共享与传递，为持续的高光谱图像分类提供一种有效的解决方案，使高光谱图像分类理论离大规模实际用更进一步。

A Multimode Hyperspectral Image Migration Classification Method

【技术实现步骤摘要】
一种多模高光谱图像迁移分类方法
本专利技术属于遥感图像处理与应用
，具体涉及一种多模高光谱图像迁移分类方法。
技术介绍
高光谱遥感图像分类是遥感领域的重要研究内容，是多种遥感应用的根本步骤与关键问题。高效的高光谱分类技术将大幅度提升地物分类精度，从而提升对地观测效率。人们在高光谱分类方法与模型进行了大量的探索，并取得了优异的成果：张号逵等人(参考文献：张号逵、李映、姜晔楠.深度学习在高光谱图像分类领域的研究现状与展望[J].自动化学报,2018，44(8),961–977.)综述了高光谱图像分类的背景、研究现状及几个常用的数据集,并总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题,并对未来的研究方向进行了展望。白静等人(参考文献：白静、岑雅楠、高润、张文豪、徐航、焦玲玲、杨韦洁、张丹.基于胶囊网络的高光谱图像分类方法[P].中国专利技术专利，申请专利号：201810650952.6，2018.)专利技术了一种基于胶囊网络的高光谱图像分类方法,以解决现有技术中更高级别的特征仅仅是将低级别的特征的简单组合，丢失简单高光谱特征之间的姿态关系信息、在异质和边缘区域分类效果不好本文档来自技高网...

【技术保护点】
1.一种多模高光谱图像迁移分类方法，其特征在于，步骤如下：第一步：训练阶段：1.1使用不相关任务Ti在双域高光谱图像上完成训练；样本

【技术特征摘要】
1.一种多模高光谱图像迁移分类方法，其特征在于，步骤如下：第一步：训练阶段：1.1使用不相关任务Ti在双域高光谱图像上完成训练；样本表示在高光谱图像Is上随机滑动获取的图像块，样本表示在高光谱图像It上随机滑动获取的图像块，二者来自于不相关任务；1.1.1构建双分支深度特征提取网络结构，所述双分支深度特征提取网络结构包含1个卷积层和L1个全连接层；1.1.1.1构建单个卷积核的卷积层，进行空间特征提取，并将该层作为双分支深度特征提取网络结构的两个分支的第一层；1.1.1.2构建L1个全连接层，将L1个全连接层置于各个分支的2至L1层，每个全连接层以上一个全连接层的输出为输入，第一个全连接层以卷积层的输出为输入，完成深度光谱特征提取；1.1.1.3设Ψs与Ψt分别为两个分支的嵌入函数，将样本和分别输入双分支深度特征提取网络各个分支，获得其空谱特征和其中1.1.2构建深度距离学习网络结构，所述深度距离学习网络结构包含L2个全连接层和一个输出层，用于获得样本与之间的距离；1.1.2.1将步骤1.1.1.3得到的空谱特征和级联，得到级联特征作为后续网络层的输入；1.1.2.2构建L2个全连接层，以级联特征作为输入，以实现特征优化；1.1.2.3构建输出层，用于学习任意图像块间的距离其中S为整个深度距离学习网络的嵌入函数；1.1.3构建能量函数E1，零次学习网络由步骤1.1.1双分支深度特征提取网络结构与步骤1...

【专利技术属性】
技术研发人员：马晓瑞，王洪玉，王洁，牟雪融，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21