一种用于多点高光谱二分类的权重训练方法技术

本发明专利技术公开一种用于多点高光谱二分类的权重训练方法。其采用基于复合介质栅结构的器件，该器件可依次完成对光的线性响应及调和非线性运算，具体方法包括以下步骤：(1)根据所述器件完成的线性响应及调和非线性运算建立初步模型；(2)考虑所述器件的实际限制情况，结合分类任务的需求为初步模型添加对偶运算，并施加约束条件，得到分类模型；(3)使用开源高光谱分类数据集，对训练数据添加噪声并插值，对标签进行二值化处理，最后使用梯度下降法对所述分类模型进行权重更新，直至收敛。本发明专利技术有效解决了针对基于复合介质栅结构这类器件完成多点高光谱二分类的权重训练问题，可实现片上高光谱多点分类的任务。高光谱多点分类的任务。高光谱多点分类的任务。

【技术实现步骤摘要】
一种用于多点高光谱二分类的权重训练方法


[0001]本专利技术涉及图像模式识别领域，具体涉及一种用于多点高光谱二分类的权重训练方法。

技术介绍

[0002]高光谱图像处理是图像处理领域的一个基本问题。近年来，使用高光谱遥感对地进行观测受到了越来越多的关注，并被广泛应用于目标检测与识别、分类、监测等领域。由于高光谱遥感能够获取多个光谱波段的信息，因此相比较于传统的RGB图像拥有更强的对物体的区分能力，因此使用高光谱图像来完成分类任务具有一定的优势。
[0003]基于复合介质栅结构的器件是目前出现的新一代成像器件。这种器件利用其本征物理特性能够实现对电信号和光信号的调和平均数的非线性计算，因此非常适合用于存储权重电信号和接收高光谱光信号，从而可以方便地完成多点高光谱分类的任务。但是目前，并没有针对该类器件实现多点高光谱二分类的权重训练方法。
[0004]随着机器学习及深度学习的发展，出现了一系列监督学习、半监督学习和无监督学习等分类算法。然而，由于基于复合介质栅结构的器件的实际诸多限制，这些无约束的训练方式不能直接应用到该类器件上。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于多点高光谱二分类的权重训练方法，其特征在于，采用基于复合介质栅结构的器件，该器件可依次完成对光的线性响应及调和非线性运算，所述权重训练方法包括以下步骤：(1)根据所述器件完成的线性响应及调和非线性运算建立初步模型；(2)考虑所述器件的实际限制情况，结合分类任务的需求为初步模型添加对偶运算，并施加约束条件，得到分类模型；(3)使用开源高光谱分类数据集，对训练数据添加噪声并插值，对标签进行二值化处理，最后使用梯度下降法对所述分类模型进行权重更新，直至收敛。2.根据权利要求1所述的一种用于多点高光谱二分类的权重训练方法，其特征在于，所述步骤(1)中，初步模型为：其中，M为高光谱数据波段数，w
i
为权重参数w的第i个数值，y＝kx+b为器件对高光谱图像的单个像素点x的线性响应，y
i
为线性响应y的第i个波段值，y
out
为高光谱图像的单个像素点经过所述器件的输出。3.根据权利要求2所述的一种用于多点高光谱二分类的权重训练方法，其特征在于，所述步骤(2)中，所述器件的实际限制情况具体为：仅能存储正值权重。4.根据权利要求3所述的一种用于多点高光谱二分类的权重训练方法，其特征...

【专利技术属性】
技术研发人员：岳涛，王紫璇，胡雪梅，王凯，
申请(专利权)人：南京大学，
类型：发明
国别省市：