一种基于无源迁移网络的高光谱图像分类方法技术

一种基于无源迁移网络的高光谱图像分类方法，属于遥感图像处理与应用技术领域，本发明专利技术设计防止神经网络过拟合的目标函数优化源域模型，减少了真实样本标签的类别在计算损失函数时的权重，起到抑制过拟合的效果。源域模型迁移到目标数据，对目标函数进行调整，使目标域特征输出具有个别的确定性和全局的多样性。同时为了防止目标域数据可能在一定程度上与错误源域匹配，因此使用伪标签技术进行模型训练。本发明专利技术只利用源域模型不需要存储利用源域数据，将分类模型迁移到目标域数据，提供了一种有效的高光谱图像无源迁移分类解决方案。一种有效的高光谱图像无源迁移分类解决方案。一种有效的高光谱图像无源迁移分类解决方案。

【技术实现步骤摘要】
一种基于无源迁移网络的高光谱图像分类方法


[0001]本专利技术属于遥感图像处理与应用
，具体涉及一种基于无源迁移网络的高光谱图像分类方法。

技术介绍

[0002]高光谱图像具有的高分辨率的光谱信息和大幅宽的空间信息，可以实现大幅宽、细粒度、高精度的对地观测任务。高光谱遥感图像分类是遥感领域的重要研究内容，通过分析相应的光谱
‑
空间信息，为高光谱图像的每个像素分配一个语义标签，是多种遥感应用的根本步骤与关键问题。高性能的高光谱图像分类技术将大幅度提升地物目标调研精细度，从而提升对地观测效率。
[0003]人们对高光谱分类方法与模型进行了大量的探索，并取得了优异的成果：
[0004]张淳民等人(参考文献：张淳民、穆廷魁、颜廷昱、陈泽宇.高光谱遥感技术发展与展望[J].航天返回与遥感.2018,39(3):104
‑
114.)分析了中国高光谱遥感技术发展现状，归纳了国际上未来高光谱遥感技术发展计划，对高光谱遥感技术未来发展进行了展望，指出了高光谱遥感图像、光谱、偏振多元信息一体化获取，智能化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无源迁移网络的高光谱图像分类方法，其特征在于，包括三个阶段，第一阶段是通过防止过拟合的损失函数对源域模型进行优化；第二阶段是将预先训练的源域模型迁移到目标域数据，通过目标函数的优化调整模型的特征提取器使目标域特征输出具有个别的确定性和全局的多样性；第三阶段是通过伪标签技术训练模型，防止目标域数据与错误源域匹配，并通过带标签的目标域数据重新训练模型的特征提取器。2.如权利要求1所述的基于无源迁移网络的高光谱图像分类方法，其特征在于，所述第一阶段使用源域数据训练源域模型的步骤如下：S1.1、读取源域X
s
和目标域X
t
的高光谱图像进行预处理：对源域和目标域高光谱图像的光谱特征进行线性归一化，线性归一化过程为：利用光谱特征的最大值和最小值对其进行线性变换，使其分布在0与1之间，线性归一化的定义公式如下：其中：X为输入的原始数据，X
min
和X
max
分别为数据的最小值和最大值。3.如权利要求2所述的基于无源迁移网络的高光谱图像分类方法，其特征在于，S1.2、构建单个卷积核的卷积层进行空间特征提取：将该层作为特征提取的第一层，每一个像素点的值是由其自身和其邻域内的其他像素值按照不同的权重进行加权平均得到的，降低由同物异谱及同谱异物现象导致的分类不确定性。4.如权利要求3所述的基于无源迁移网络的高光谱图像分类方法，其特征在于，S1.3、构建2个全连接层提取光谱特征：第一个全连接层以卷积层的输出为输入，第二个全连接层以第一个全连接层的输出为输入，针对某一源域样本特征提取过程的嵌入函数为f
s
(
·
)，全连接权重为W，相应的偏置参数为b，输出的特征向量为：5.如权利要求4所述的基于无源迁移网络的高光谱图像分类方法，其特征在于，S1.4、采用softmax分类器对空谱特征分类；分...

【专利技术属性】
技术研发人员：马晓瑞，哈林，王洁，王洪玉，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：