基于注意力机制和生成对抗网络的高光谱影像分类方法技术

本发明专利技术提供一种基于注意力机制和生成对抗网络的高光谱影像分类方法，涉及高光谱图像处理与应用技术领域。本发明专利技术对高光谱影像数据集进行归一化、主成分分析，得到真实样本；将特征矩阵进行转置卷积运算后，生成的特征输入到联合的空间

Hyperspectral image classification method based on attention mechanism and generation countermeasure network

【技术实现步骤摘要】
基于注意力机制和生成对抗网络的高光谱影像分类方法


[0001]本专利技术涉及高光谱图像处理与应用
，尤其涉及一种基于注意力机制和生成对抗网络的高光谱影像分类方法。

技术介绍

[0002]在过去的几十年中，高光谱数据的获取和收集变得更加方便和廉价。高光谱图像(HSI)是一个三维(3D)数据立方体，每个像素有数百个光谱带，每个光谱带对应一个2D图像。HSI包含了丰富的光谱信息和空间信息，HSI处理已被广泛应用于许多实际应用中，如军事、农业和天文学。HSI分类是这些应用的基础，这是通过给每个像素指定特定类别来实现的。它主要包括两个任务：有效特征的表示和高级分类器的设计。
[0003]对于传统方法，特征提取和分类器训练通常是分开进行的。提取特征有两种常见的可选方法：基于光谱的特征提取和空间
‑
光谱特征提取。前者侧重于将高维HSI数据转换为低维空间，如主成分分析(PCA)、判别局部度量学习以及稀疏图学习。然而，仅从HSI中提取光谱信息很难实现准确的分类。因此，联合光谱
‑
空间特征提取技术已成为一种新的趋势本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制和生成对抗网络的高光谱影像分类方法，其特征在于：该方法包括以下步骤：步骤1：在鉴别器中输入高光谱影像数据集；步骤2：对输入的高光谱影像数据集进行归一化处理，得到归一化后的高光谱影像数据集为：其中，s为一个m行n列的高光谱影像的像素点个数，s＝m
×
n，p表示高光谱影像的波段数，a
sp
表示第p个波段的第s个像素点；步骤3：对归一化后的高光谱影像数据集进行主成分分析，提取高光谱影像的光谱特征，得到真实样本I，真实样本I的大小为r
×
r
×
d，r
×
r表示空间邻域窗口的大小，d表示光谱带的个数；步骤4：将含有噪声和类标签y的特征矩阵转置为2
×2×
128的特征矩阵z，原特征矩阵的大小为1
×1×
512；步骤5：将转置后的特征矩阵z进行转置卷积运算后，生成的特征表示为g(z,y)，g(z,y)∈{g1(z,y),
…
,g
q
(z,y),
…
,g
Q
(z,y)}，其中1≤q≤Q，q为对应的卷积层数，Q为最大的转置次数；步骤6：将g(z,y)输入到联合的空间
‑
光谱联合注意力机制模块，得到生成样本L；步骤7：将真实样本I和生成样本L进行四次5
×
5卷积，得到输入样本的层次特征d(
·
)，由四个卷积层从真实样本I中提取的特征用d
j
(x
i
)＝{d1(x
i
),d2(x
i
),d3(x
i
),d4(x
i
)}表示，其中x
i
表示第i个训练样本，i∈[1,N]，N为训练样本总个数，j∈[1,4]；d1(x
i
)～d4(x
i
)分别表示与生成的特征具有相同大小的鉴别器的四个真实样本特征；步骤8：通过鉴别器中真实样本的特征d
j
(x
i
)与生成器中相应的等尺寸特征g
q
(z,y)相加，生成新的融合特征融合特征计算方式如下：其中，j和q的取值均为1、2、3、4，表示基于元素的求和操作；步骤9：将步骤8得到的融合特征矩阵输入到步骤6中；步骤10：将层次特征d(
·
)沿着光谱通道依次输入到卷积长短期记忆神经网络ConvLSTM中，利用存储单元捕捉光谱波段间的依赖关系，使用遗忘门和输入门中的卷积算子提取空间信息，具体操作如下：步骤10.1：层次特征d(
·
)沿着光谱通道被划分成R个3D立方体(d(
·
)1,
…
,d(
·
)
r
,
…
d(
·
)
R
)，其中，d(
·
)
r
表示第r个3D立方体，R是立方体的总数目，(d(
·
)1,
…
,d(
·
)
r
,
…
d(
·
)
R
)沿着光谱通道用于顺序输入ConvLSTM，利用存储单元捕捉光谱波段间的依赖关系，利用遗忘门和输入门中的卷积算子提取出空间
‑
光谱信息矩阵T；步骤10.2：通过识别器中的softmax函数实现分类，其中softmax函数预测输入样本的
类标签y∈{1,2,
…
,K,K+1}；在这个过程中，鉴别器的目标函数是尽可能将真实样本分类为K类，将生成的样本分类为K+1类。2.根据权...

【专利技术属性】
技术研发人员：吕欢欢，张峻通，张辉，钱韫竹，胡杨，霍欣燃，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：