基于全局推理的轻量化混合卷积模型的高光谱分类方法技术

本发明专利技术公开基于全局推理的轻量化混合卷积模型的高光谱分类方法，属于信息处理技术领域，主要用于小样本数据的高光谱图像分类。所述基于全局推理的轻量化混合卷积模型包括一层二维卷积、一层三维卷积和一个全局推理模块；加入全局推理模块，通过对不同区域间的上下文关系推理有效提取高光谱图像的全局特征和深层特征信息，以代替深层三维卷积的特征提取，大大降低了模型的复杂度和计算成本。公开数据集中的测试结果表明，本发明专利技术的分类性能优于当前最好的分类方法，仅需少量训练样本，就可有效提取高光谱图像的空

【技术实现步骤摘要】
基于全局推理的轻量化混合卷积模型的高光谱分类方法


[0001]本专利技术公开基于全局推理的轻量化混合卷积模型的高光谱分类方法，属于信息处理


技术介绍

[0002]高光谱图像（HSI）因具有众多的光谱波段给地物信息的提取带来了极大的帮助，但大量的光谱数据也造成了地物信息的冗余，同时因光谱分辨率的提高使得各波段间的相关性加强，这给高光谱图像的分类带来了不小的挑战。尤其是当训练样本较少时，会给HSI的分类带来更大的困难。
[0003]目前，HSI分类的方法主要有两类：基于光谱信息的传统方法和基于深度学习的方法。传统方法主要是利用不同地物的光谱特征信息进行分类，其中支持向量机、k近邻、随机森林等最具有代表性。为了获取更好的分类性能，主成分分析（PCA），独立成分分析（ICA）和线性判别分析（LDA）等方法被应用以有效的进行数据降维或特征提取。尽管传统的HSI分类方法取得了良好的分类性能，但由于它们处理时很大程度上依赖的是手工制作的特征或提取的浅层特征，特征表达能力有限，无法更好地适应复杂的HSI分类任务。
[0004]近年来，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于全局推理的轻量化混合卷积模型的高光谱分类方法，其特征在于，包括：S1.设原始高光谱数据表示为I∈R
M
×
N
×
D
，I是原始高光谱分类输入，M和N是空间维的宽和高，D是光谱波段数；S2.采用主成分分析对高光谱分类光谱信息降维，经过主成分分析处理后的高光谱数据表示为X∈R
M
×
N
×
B
，其空间维数保持不变，光谱波段数由D变为B；S3.对高光谱分类的邻域块提取进行预处理，对高光谱分类的每一个像元，都以像元为中心点提取一个色斑，色斑的标签即为中心像元的标签，表示为Z∈R
S
×
S
×
B
，色斑的宽和高为S，光谱波段数为B；S4.将高光谱分类数据送入基于全局推理的轻量化混合卷积模型中进行处理。2.根据权利要求1所述基于全局推理的轻量化混合卷积模型的高光谱分类方法，其特征在于，所述基于全局推理的轻量化混合卷积模型包括二维卷积神经网络、三维卷积神经网络和全局推理模块。3.根据权利要求2所述基于全局推理的轻量化混合卷积模型的高光谱分类方法，其特征...

【专利技术属性】
技术研发人员：王武礼，马晓虎，冷林椿，王歌，李冲，姜雨蒙，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：