【技术实现步骤摘要】
基于双层空间流形表示的高光谱图像分类方法
[0001]本专利技术属于高光谱图像处理
,具体涉及一种基于双层空间流形表示的高 光谱图像分类方法。
技术介绍
[0002]高光谱图像中包含丰富的空间信息和光谱信息,丰富的空谱信息使得高光谱图像 被广泛地应用于地质、农业和环境监测等领域,高光谱图像分类是其中的一项重要应 用。如何挖掘高光谱图像中的空间结构信息,有效提升高光谱图像分类的效果受到国 内外学者的广泛关注。
[0003]文献“Wei W,Jinyang Z,Lei Z,et al.Deep Cube
‑
Pair Network for Hyperspectral ImageryClassification[J].Remote Sensing,2018,10(5):783”,提出一种基于像素对的高光谱图像分类 方法,在特征提取阶段引入空间结构信息。文献“Yang L X,Yang S Y,Jin P,et al. Semi
‑
Supervised Hyperspectral Image Classification Using Spatio
‑
Spectral Laplacian SupportVector Machine[J].IEEE Geoence&Remote Sensing Letters,2013,11(3):651
‑
655”,设计了一种 基于空谱的拉普拉斯支持向量机,在分类器层挖掘高光谱图像的空间结构信 ...
【技术保护点】
【技术特征摘要】
1.一种基于双层空间流形表示的高光谱图像分类方法,其特征在于步骤如下:步骤1:数据预处理三维高光谱图像数据表示为n
r
、n
c
、n
b
分别为行、列及光谱维度;将高光谱图像数据中的每个样本归一化至0~1范围内,对图像中每个样本的r1×
c1邻域进行采样,得到采样的数据为进而将高光谱数据重新表示为其中n=n
r
×
n
c
表示样本个数,i=1,2,...,n,r1=c1=7;=7;表示对应的类别标签,为第i个样本的类别标签,L为类别数;然后每类随机选择n
train
个样本作为训练集其对应的标签集为剩余的样本构成测试集剩余的样本构成测试集及其对应的标签集对训练集中每个有标记样本周围r2×
c2邻域进行采样,选择在r2×
c2邻域内且不在训练集中的样本,构成扩充的训练数据集其中r2=c2=3;对于测试集如上获得同样的扩充训练集m2,m1、m2的具体数值根据实验而定;步骤2:空间流形表示特征提取器将训练集和其对应扩充数据集输入特征提取器中进行特征提取;该特征提取器共包含3个基于空间流形表示的特征提取块,每个特征提取块由卷积模块和图卷积模块2部分组成;其中每个卷积模块由含卷积层Conv、批归一化层BN、非线性激活函数层ReLU和最大池化层MP4个子模块级联组成;图卷积模块由θ、φ、g、ρ操作组成,其中θ、φ、g为卷积子模块,ρ由卷积子模块和批归一化子模块级联得到;特征提取器的结构为:第一个卷积模块的卷积层输入及输出通道数分别为1、32,卷积核大小为(8,1,1),步长设置为(3,1,1),padding设置为1;本层及以下2层卷积模块中的最大池化层的窗口大小均为2;第一个图卷积模块,θ,φ和g的输入及输出通道数分别为32、16,ρ的输入及输出通道数分别为16、32,本层及以下两层图卷积模块的θ,φ,g及ρ4个卷积操作的卷积核大小均设置为(1,1,1),步长均设置为(1,1,1),padding均设置为0;第二个卷积模块的卷积层输入及输出通道数分别为32、128,卷积核大小为(3,1,1),步长设置为(2,1,1),padding设置为1;第二个图卷积模块,θ,φ和g的输入及输出通道数分别为128、64,ρ的输入及输出通道数分别为64、128;第三个卷积模块的卷积层输入及输出通道数分别为128、256,卷积核大小为(3,1,1),步长设置为(2,1,1),padding设置为1;第三个图卷积模块,θ,φ和g的输入及输出通道数分别为256、128,ρ的输入及输出通道数分别为128、256;对于输入的数据,经过卷积模块得到的特征表示为:其中H
l
‑1是第l个卷积模块的输入,l∈{1,2,3},对于第1个卷积模块,H0即输入的训练样本其对应的扩充数据集,是卷积神经网络的权值矩阵;所得特征H
l
的维度为T
×
H
×
W
×
C,T表示光谱维度,H、W表示空间维度,C为通道数;卷积模块输出的特征H
l
作为图卷积模块的输入;首先,将H
l
分别输入θ、φ、g得到嵌入特征θ(H
l
)、φ(H
l
)和g(H
l
),对于h
j
∈H
l
,,,分别是第l层θ、φ、g中的权值系数;3个嵌入特征的维度表示为T
×
H
×
W
×
C/2;然后将θ(H
l
)、φ(H
l
)、g(H
l
)的维度分别转变为HW
×
TC/2,并对后转变后的特征θ...
【专利技术属性】
技术研发人员:魏巍,王聪,张磊,温岳,张艳宁,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:
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。