一种高光谱图像分类识别方法技术

本发明专利技术公开了一种高光谱图像分类识别方法，属于高光谱遥感图像处理技术领域，首先对原始高光谱遥感影像进行预处理，有效保留包含信息最多的光谱波段，其次通过三维卷积网络和注意力机制对图像不同侧重点的特征分三阶段提取，具体来说特征分为光谱特征，空间特征和空谱特征三类，同时通过循环神经网络提取多尺度特征并保留特征间的联系，最后进行分类。

【技术实现步骤摘要】
一种高光谱图像分类识别方法
本专利技术属于高光谱遥感图像处理
，具体涉及一种高光谱图像分类识别方法。
技术介绍
遥感(RemoteSensing)是一门利用电磁波原理来获取远方信号并使之成像，能够遥远地感受感知远方事物的技术，是一门新兴科学。随着计算机技术及光学技术的提高，遥感技术也得到了迅速的发展。近年来，各式各样的遥感卫星不断成功发射，推动了遥感数据获取技术朝着三高(高空间分辨率、高光谱分辨率和高时间分辨率)和三多(多平台、多传感器、多角度)方向发展。高光谱遥感具有光谱分辨率高的特点，它通过在不同空间平台上搭载高光谱传感器，从而可以在电磁波谱的可见光、近红外、中红外和热红外波段范围内，以连续的光谱波段对地表区域同时成像，波段数目可达到数十以致数百个，并获得地物连续的光谱信息，从而实现了地物空间、辐射和光谱信息的同步获取。与常规遥感相比，主要区别在于高光谱遥感是窄波段成像，且除了二维的空间信息外，还增加了一维光谱信息，使得遥感技术的应用领域得到了拓展。但是高光谱图像光谱波段范围广，拥有丰富的空间信息和光谱信息的同时，也带本文档来自技高网...

【技术保护点】
1.一种高光谱图像分类识别方法，其特征在于，包括如下步骤：/n1)对原始高光谱遥感影像进行预处理；/n2)通过三维卷积网络和注意力机制对图像分三阶段提取不同侧重点的特征，分别为光谱特征，空间特征和空谱特征；通过循环神经网络提取多尺度特征并保留特征间的联系，最后进行分类。/n

【技术特征摘要】
1.一种高光谱图像分类识别方法，其特征在于，包括如下步骤：
1)对原始高光谱遥感影像进行预处理；
2)通过三维卷积网络和注意力机制对图像分三阶段提取不同侧重点的特征，分别为光谱特征，空间特征和空谱特征；通过循环神经网络提取多尺度特征并保留特征间的联系，最后进行分类。


2.根据权利要求1所述的一种高光谱图像分类识别方法，其特征在于，所述的步骤1)中，通过PCA对输入的图片数据进行降维。


3.根据权利要求1所述的一种高光谱图像分类识别方法，其特征在于，所述的步骤2)中具体为：由三维卷积提取图像特征，根据卷积核大小的不同将其区分为三个部分先后进行提取光谱信息，提取空间信息和提取空谱信息的操作。


4.根据权利要求3所述的一种高光谱图像分类识别方法，其特征在于，每个所述的部分中，在卷积结构之后，使用注意力机制来优化网络结构；所述的注意力机制分为通道注意力机制和空间注意力机制；其中通道注意力机制对同一个特征图的不同通道进行选择优化，获取重校订的通道信息，空间注意力机制则是对同一个特征图的所有空间位置重新分配权重，然后通过激活函数得到非线性的重新校订的上下文信息；最后，通过循环神经网络中的GRU单元，进行跨层特征融合，将三个部分的输出特征融合起来，使之兼具低层图像特征的细节信息和高层图像特征的意义信息，同时获取上下文信息。


5.根据权利要求3所述的一种高光谱图像分类识别方法，其特征在于，所述的步骤2)中具体为：对于三维卷积网络和注意力机制的提取特征做出区分，针对性的分为三个部分提取，以及用循环神经网络将这三部分联系起来，三个部分分别如下：
第一部分提取光谱信息，卷积核为1×1×3形式，配合通道注意力机制提取特征；
第二部分提取空间信息，卷积核为3×3×1形式，配合空间注意力机制提取特征；
第三部分提取空谱信息，卷积核为3×3×3形式，最后加上通道注意力机制与空间注意力机制。


6.根据权利要求4所述的一种高光谱图像分类识别方法，其特征在于，所述的通道注意力机制中，通道注意力层的结构具体为：
将H×W×C格式的输入特征分别进行一个空间维度上的全局平均池化和全局最大池化得到两个1×1×C格式的输出，接着再将它们分别送入一个两层的全连接神经网...

【专利技术属性】
技术研发人员：高红民，胡心唯，曹雪莹，杨琪，朱敏，李臣明，
申请(专利权)人：河海大学，
类型：发明
国别省市：江苏;32