一种基于节点金字塔的高光谱图像分类方法技术

本发明专利技术涉及一种基于节点金字塔的高光谱图像分类方法，步骤包括：对于高光谱图像中每一个前景像素，将之作为图结构中的一个节点，将光谱特征作为节点特征，并依据节点的相似性构造节点之间的连接关系，从而得到最底层图结构；利用经典的分层聚类方法，将节点进行聚类，得到N个不同细粒度的图结构；对N个层级的图结构分别采用经典的图卷积神经网络进行节点分类；基于低细粒度分类结果对高细粒度结果进行投票修正。本发明专利技术解决呈条带式分布的高光谱图像中零散点易错分的问题，及基于图网络的分类中节点过多造成的训练耗时问题。中节点过多造成的训练耗时问题。中节点过多造成的训练耗时问题。

【技术实现步骤摘要】
一种基于节点金字塔的高光谱图像分类方法


[0001]本专利技术涉及一种基于节点金字塔的高光谱图像分类方法，属于高光谱图像分类


技术介绍

[0002]图是对对象及其相互关系的一种简洁抽象的直观数学表达。具有相互关系的数据—图结构数据在众多领域普遍存在,并得到广泛应用。随着大量数据的涌现,传统的图算法在解决一些深层次的重要问题,如节点分类和链路预测等方面有很大的局限性。图神经网络模型考虑了输入数据的规模、异质性和深层拓扑信息等,在挖掘深层次有效拓扑信息、提取数据的关键复杂特征和实现对海量数据的快速处理等方面,例如,预测化学分子的特性、文本的关系提取、图形图像的结构推理、社交网络的链路预测和节点聚类、缺失信息的网络补全和药物的相互作用预测,显示了令人信服的可靠性能。
[0003]图神经网络的优异性能，使得学术界各个领域都想利用其进一步完善相关的研究，对于高光谱图像分类领域也不例外。然而目前高光谱图像分类领域仅是简单的将像素作为节点，由于像素量较多，其对应的图结构也比较庞大，在利用图神经网络进行学习的时候十分消耗资源。而当节点数很少的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于节点金字塔的高光谱图像分类方法，其特征在于，步骤包括：步骤一：获取节点数最多的图节点层，该层中每个节点即为待分类的像素点和已标记的像素点，节点的连接关系通过在特征空间的K近邻确定，节点特征为光谱曲线；步骤二：基于步骤一的图节点层，构造N个层级的图节点层；步骤三：分别针对N个层级的图结构，采用图卷积神经网络分类算法进行节点分类；步骤四：对N个层级下的分类结果进行集成优化，通过多数投票的方式，对各个层级的分类结果进行融合，将低细粒度图层级分类结果作为高细粒度图层分类结果的投票修正依据，从而得到最终的分类结果，以提升图像分类精度。2.根据权利要求1所述的一种基于节点金字塔的高光谱图像分类方法，其特征在于，步骤一中，对于给定的高光谱图像，剔除背景像素，将其余的每一个前景像素，作为图中的一个节点，节点特征为该节点对应像素的光谱曲线，节点连接关系通过其所有节点在特征空间中的K近邻决定，即若节点i的K近邻中包含节点j，则邻接矩阵Adj(i,j)赋值为1，否则为0，得到一个具有M个节点的底层节点图。3.根据权利要求1所述的一种基于节点金字塔的高光谱图像分类方法，其特征在于，步骤二：对于步骤一中得到的图节点层，采用分级聚类算法，将节点数收缩为M/2，即将原来的M个节点聚为M/2类，...

【专利技术属性】
技术研发人员：马弢，张赢，冯峰，
申请(专利权)人：中国航天空气动力技术研究院，
类型：发明
国别省市：