【技术实现步骤摘要】
一种多尺度空间融合高光谱土壤重金属污染识别评价方法
[0001]本专利技术属于图像处理
，具体涉及一种多尺度空间融合高 光谱土壤重金属污染识别评价方法。
技术介绍
[0002]高光谱遥感技术起源于20世纪末，将光谱信息和空间信息结合 在一起，高光谱遥感又称成像光谱遥感，是将成像技术和光谱技术相 结合的多维信息获取技术(Goetz A,Vane G,Solomon J,et al.ImagingSpectrometry for EarthRemote Sensing[J].Science,1985, 228(4704):1147
‑
1153.)。高光谱图像涵盖信息丰富，广泛应用于农业、 环境监测、生物医学成像等各个领域。由于高光谱图像具有高维度特 点并且数据之间存在冗余，直接对高光谱图像进行分类，容易引起 Hughes现象。在训练数据中存在小样本的情况下，提高HSI分类精 度成为研究难点。
[0003]根据提取HSI数据特征的方式不同，将其分类方法划分为两类： 光谱分类方法和光谱空间分类方法。由...
【技术保护点】
【技术特征摘要】
1.一种多尺度空间融合高光谱土壤重金属污染识别评价方法，其特征在于，具体步骤包括如下：步骤一：将尺寸为的原始高光谱图像使用主成分分析法降维得到尺寸大小的高光谱图像，其中p为光谱维度，q为通道维度，m、n为空间维度；步骤二：以降维后的高光谱图像作为输入数据，利用3层卷积层且每层的卷积核尺寸为3*3，每层128个卷积核，激活函数为ReLU，提取输入数据特征；步骤三：使用最大池化层缩小参数矩阵的尺寸，其滤波范围为2*2，步长为2，从而减少最后连接层的中的参数数量；步骤四：使用7个级联结构对输入数据提取深度特征；步骤五：使用全局均值池化层将所提取的深度特征形成最终向量；步骤六：将Indian Pines数据集划分为训练集和测试集进行对比试验；将研究区1:20万土壤重金属As、Cu、Pb、Zn、Hg地球化学分析数据集，随机抽取数据集10%作为为训练集，剩余90%作为测试集，利用训练集训练搭建好的深度学习模型对研究区的土壤重金属污染进行识别与评价。2.根据权利要求1所述的一种多尺度空间融合高光谱土壤重金属污染识别评价方法，其特征在于，所述步骤一中，使用主成分分析法对高光谱图像光谱维度p降维，取前20个分量作为模型输入数据。3.根据权利要求1所述的一种多尺度空间融合高光谱土壤重金属污染识别评价方法，其特征在于，建立多尺度空间特征模块，为减少由于固定大小感受野导致部分特征信息丢失，使用不同尺度感受野提取特征信息并将多尺度特征信息融合；提取多尺度空间特征信息的同时，增强非线性减少计算量；多尺度空间特征共有4个通道，对输入数据提取到特征图，其中特征图数量为32，其中，由步长为1，卷积核为1*1，激活函数为ReLU的卷积层提取特征，经BN层所形成特征图；，由步长为1，卷积核为1*1，激活函数为ReLU的卷积层与步长为1，卷积核为...
【专利技术属性】
技术研发人员：汪海城，肖树群，张生元，袁兆宪，栾卓然，黄波，李战，
申请(专利权)人：河北地质大学，
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。