一种高光谱遥感影像分类方法技术

本发明专利技术涉及遥感分类领域，且公开了一种高光谱遥感影像分类方法，其包括构建初始化SDAE模型、根据迭代次数和学习率推导出目标函数、根据学习率比例判断学习率取值和根据权值矩阵和偏置量判断学习能否结束。本发明专利技术提供的方法应用到遥感影像分类中能够避免陷入局部最优陷阱，缓解手动操作效率低的状况，提高分类精度，缩减实验时长；本发明专利技术所提供的自适应学习率计算方法能有助于更深层的学习影像特征，提高分类精度，学习效率也较高，能有效解决以往算法中的陷入局部最优和需要手动调参等问题。题。

【技术实现步骤摘要】
一种高光谱遥感影像分类方法


[0001]本专利技术属于遥感分类领域，具体为一种高光谱遥感影像分类方法。

技术介绍

[0002]在遥感影像分类领域，模型构建和参数取值对实验结果有着很大影响。想要深入学习遥感影像特征，就需要依靠不时改变模型参数值来满足。
[0003]目前，大多数研究依旧采用手动调整模型参数的方式，如根据训练收敛速度，手动调整AA
‑
SegNet网络模型的学习率；应用超参数人工调优的方式提高影像配准和拼接精度；使用手动调节超参数的方式进行城市影像道路分割模型训练；通过大量实验得到合适的地面塌陷识别参数等。虽然以上这些均取得了较好成果，但过程耗时耗力。

技术实现思路

[0004]本专利技术的内容是提供一种高光谱遥感影像分类方法，其能够克服现有技术的某种或某些缺陷。
[0005]技术方案：本专利技术提供了一种高光谱遥感影像分类方法，所述方法包括以下步骤：步骤一，构建并初始化SDAE模型，并将各层的单元数设置为2352
‑
2276
‑
588
‑<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱遥感影像分类方法，其特征在于，所述方法包括以下步骤：步骤一，构建并初始化SDAE模型，并将各层的单元数设置为2352
‑
2276
‑
588
‑
284
‑
7；步骤二，设迭代次数为x，学习率为ε
x
，目标函数为其中a
～i
和l
i
分别为含噪数据的输入与重构信息，J(a
～i
,l
i
)表示a
～i
和l
i
之间的误差绝对值，λ为正则系数，为权值矩阵；步骤三，设学习率比例为R，根据目标函数判断学习率取值，若L
x+1
≤L
x
，则保留ε
x+1
作为当前学习率，若L
x+1
＞L
x
，则以Rε
x+1
作为当前学习率；步骤四，判断学习能否结束，若已达到终止条件，则停止学习，否则，依据条件循环上述步骤，这一过程有两个依据，达到迭代上限或者得到所需精度时，选用前者作为判断条件以获得实验所能达到的最高精度，根据该方法进行学习时，权值矩阵W和偏置量b的更新依据分别...

【专利技术属性】
技术研发人员：钱韫竹，吕欢欢，魏家鹏，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：