【技术实现步骤摘要】
一种基于高光谱图像深度特征融合的甜瓜品质检测方法
本专利技术涉及甜瓜品质检测领域，尤其涉及一种基于高光谱图像深度特征融合的甜瓜品质检测方法，通过对图像的空间信息以及光谱信息的特征学习，对甜瓜高光谱图像进行甜度和硬度的检测。
技术介绍
高光谱图像具有分辨率高的光谱，其光谱分辨率可达到纳米级，这使得相比于可见光图像，它具有更多的光谱信息，但是高光谱图像存在着两个根本问题，第一：由于光谱分辨率高，所以高光谱图像具有数据量巨大、数据冗余严重、波段众多等缺点；第二：高光谱图像的空间分辨率有限，存在着大量混合像元，会出现检测精度随着特征维数上升而下降的Hughes现象。传统的方法是选择波段和特征提取，将原始数据压缩到低维空间，然后在检测阶段，使用传统的检测器，如：LR(线性回归)属于单层回归器，它无法很好地获得高级语义特征，所以利用这些方法得到的检测精度达不到现实的要求。随着深度学习的发展，深度卷积神经网络(CNN)在图像分类以及回归等任务中表现出了极佳的性能，CNN以端到端的方式逐层地提取图像特征，然后利用训练好的模型对图像进...
【技术保护点】
1.一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述方法包括：/n构建端到端的甜瓜甜度和硬度预测框架，将该预测框架作为无监督网络模型，该框架将甜瓜的光谱特征和空间特征集成到一个统一的神经网络中；/n对边缘像素点分别进行3×3和5×5的填充，来保证图像的边缘信息丰富；/n构建特征像素间相关性的小样本，计算特征像素间的距离，将此距离作为权重值，然后计算被测区域各像素点的甜度值和硬度值来估计整个甜瓜的甜度和硬度。/n
【技术特征摘要】
1.一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述方法包括：
构建端到端的甜瓜甜度和硬度预测框架，将该预测框架作为无监督网络模型，该框架将甜瓜的光谱特征和空间特征集成到一个统一的神经网络中；
对边缘像素点分别进行3×3和5×5的填充，来保证图像的边缘信息丰富；
构建特征像素间相关性的小样本，计算特征像素间的距离，将此距离作为权重值，然后计算被测区域各像素点的甜度值和硬度值来估计整个甜瓜的甜度和硬度。
2.根据权利要求1所述的一种基于高光谱图像深度特征融合的甜瓜品质检测方法，其特征在于，所述神经网络分为2个分支：
第一分支是将光谱数据送入自动编码器中以无监督的方式来提取光谱特征；
第二分支是提取空间特征：首先，高光谱图像经...
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。