【技术实现步骤摘要】
用于高光谱图像有损压缩的空谱联合深度卷积网络方法
本专利技术属于图像处理
，特别是一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法。
技术介绍
高光谱图像是由几十甚至上百连续光谱波段组成的三维立体数据，与二维图像不同的是增加了一维光谱信息。成像设备以非常高的分辨率对光谱进行采样，使得每个像素包含丰富的光谱信息。高光谱图像在地质调查、大气勘测、农业监控等领域有广泛应用。高光谱图像的波段数目从几十到几百不等，不同波段之间像素的相关性强，这样使得高光谱图像存在很大的光谱冗余，这些冗余占用了大量的存储空间和信道容量，为数据的计算、存储和传输带来了很大的压力。在保证结果的基础上，通过对高光谱图像光谱信息的降维可以减少存储空间，提高计算效率，所以对高光谱图像进行降维是十分有必要的。传统对于高光谱图像光谱信息的降维，主要分为两类，一类是基于特征提取方法。该方法采用变换的方式，将原始数据从高维空间投影到线性无关的低维空间，低维空间的数据冗余信息变少，并能够尽可能地替代数据的本质特征。第二类方法为波段选择。从高光谱图...
【技术保护点】
1.一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，其特征在于，包括以下步骤：/n步骤1，整理高光谱图像数据集；/n步骤2，采用单向光谱卷积对高光谱图像的光谱信息进行压缩，具体为：/n将高光谱图像输入到网络当中，经过单向光谱卷积压缩光谱信息；记输入到网络的高
光谱图像为
【技术特征摘要】
1.一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，其特征在于，包括以下步骤：
步骤1，整理高光谱图像数据集；
步骤2，采用单向光谱卷积对高光谱图像的光谱信息进行压缩，具体为：
将高光谱图像输入到网络当中，经过单向光谱卷积压缩光谱信息；记输入到网络的高
光谱图像为，其中H、W、C分别为三维高光谱数据的高、宽、光谱数，具体计
算如下：
其中，W1与b1分别表示单向光谱卷积的权值参数和偏置，F1表示输出的特征图，表
示ReLU激活函数；
步骤3，将压缩后的特征图进行量化和熵编码；
步骤4，将编码的比特流输入到解码器进行解码；
步骤5，调整平衡因子得到不同压缩率的模型参数。
2.根据权利要求1所述的用于高光谱图像有损压缩的空谱联合深度卷积网络方法，其特征在于，所述步骤1中，将数据集分为训练集和测试集，训练集的图片被随机裁剪成空间分辨率256×256的图像块。
3.根据权利要求1所述的用于高光谱图像有损压缩的空谱联合深度卷积网络方法，其特征在于，所述步骤3中，将压缩后的特征图输入到堆叠的卷积层进行空谱特征提取，并且使用广义分裂归一化作为归一化方法；降维后的特征图先后经过一层步长为4，卷积核大小为9×9的卷积层，和两层步长为2，卷积核大小为5×5的卷积层；
采用广义分裂归一化对特征进行处理，其公式如下：
其中xi为第i层的输入，βi和γi分别为...
【专利技术属性】
技术研发人员：徐洋，李恒，何琳，杜婧，吴泽彬，韦志辉，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32
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。