一种基于图神经网络的高光谱图像分类方法技术

本发明专利技术公开了一种基于图神经网络的高光谱图像分类方法，包括：S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；S3：将所述超像素构建图数据，相邻超像素构建边；S4：利用图神经网络模型对所述图数据进行训练，得到分类结果；本发明专利技术提高最终分类结果的精度和效果。

【技术实现步骤摘要】
一种基于图神经网络的高光谱图像分类方法
本专利技术涉及图像处理
，更具体的说是涉及一种基于图神经网络的高光谱图像分类方法。
技术介绍
目前，随着遥感技术和成像光谱仪的发展,高光谱图像的分辨率不断提高，应用需求越来越广泛，但其具有波段数多、数据量庞大等特点给高光谱图像的分类、识别等带来了很大的困难。但是，因为过高的维度和高度冗余的信息可能会导致计算复杂性的急剧增加，并可能影响分类的准确性。与此同时，高光谱数据的标签样本的获得需要耗费大量的人力物力，十分难以取得，这也阻碍了高光谱图像分类的研究。高光谱图像分类的研究的目的是借助一个像素的光谱信息对高光谱图像中的每一个像素分配一个地物类别，在最开始是通过手工来提取特征，之后再借助机器学习的算法对数据进行建模并分类，因为需要研究人员手动提取特征，实验缓慢且结果不稳定。因此，如何提供一种能够解决上述问题的高光谱图像分类方法是本领域技术人员亟需解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于图神经网络的高光谱图像分类方法，减少对标记样本的依赖，提出基于本文档来自技高网...

【技术保护点】
1.一种基于图神经网络的高光谱图像分类方法，其特征在于，包括：/nS1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；/nS2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；/nS3：将相邻的所述超像素点组成边，由所述边构建图数据；/nS4：利用图神经网络模型对所述图数据进行训练，得到分类结果。/n

【技术特征摘要】
1.一种基于图神经网络的高光谱图像分类方法，其特征在于，包括：
S1：获取待处理区域的高光谱图像数据，对所述高光谱图像数据进行预处理；
S2：对经过预处理的所述高光谱图像数据进行超像素分割，得到分割的超像素；
S3：将相邻的所述超像素点组成边，由所述边构建图数据；
S4：利用图神经网络模型对所述图数据进行训练，得到分类结果。


2.根据权利要求1所述的一种基于图神经网络的高光谱图像分类方法，其特征在于，所述步骤S1具体包括：所述预处理的过程为对所述高光谱图像数据剔除干扰波段，并对经过剔除的所述高光谱图像数据进行...

【专利技术属性】
技术研发人员：余先川，秦晋，朱猛，梁玉晨，黄涛，姚旺，王昊，
申请(专利权)人：北京师范大学，
类型：发明
国别省市：北京;11