一种高光谱图像信息的分类方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种高光谱图像信息的分类方法、装置、设备及介质，所述高光谱图像信息的分类方法包括：获取高光谱图像，且所述高光谱图像包括训练图像和测试图像；通过多个分析模块，获取初始高光谱图像信息分类模型；将所述训练图像作为输入变量，对所述初始高光谱图像信息分类模型进行训练和优化，获取目标高光谱图像信息分类模型；以及通过所述目标高光谱图像信息分类模型，对所述测试图像进行处理，获取高光谱图像信息的分类结果。通过本发明专利技术公开的一种高光谱图像信息的分类方法，提高了高光谱图像信息的分类效率和准确性。谱图像信息的分类效率和准确性。谱图像信息的分类效率和准确性。

【技术实现步骤摘要】
一种高光谱图像信息的分类方法、装置、设备及介质


[0001]本专利技术属于图像处理
，特别涉及一种高光谱图像信息的分类方法、装置、设备及介质。

技术介绍

[0002]高光谱图像是由上百个光谱波段组成的多种信息综合载体，是遥感科学的重要研究领域与热点研究方向。目前，高光谱遥感技术已经成功应用于农业监测、环境监测、海洋遥感和军事探索等方面，在物体的分类和识别中有着出色的性能。在对高光谱图像信息进行分类时，基于卷积神经网络的高光谱图像信息的分类模型容易出现过拟合、计算量大和特征提取不充分的问题。且分类模组没有考虑到高光谱图像的通道、光谱、空间的水平方向和垂直方向的四个维度之间的交互，容易导致分类效率低和准确性低的问题。

技术实现思路

[0003]本专利技术的目的在于提供一种高光谱图像信息的分类方法、装置、设备及介质，通过本专利技术的一种高光谱图像信息的分类方法，有效解决了现有的基于卷积神经网络的高光谱图像信息的分类模型容易出现过拟合、计算量大、特征提取不充分和没有考虑到高光谱图像的多个维度之间的交互、分类效率低和准确性低的问题。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高光谱图像信息的分类方法，其特征在于，包括以下步骤：获取高光谱图像，且所述高光谱图像包括训练图像和测试图像；通过多个分析模块，获取初始高光谱图像信息分类模型；将所述训练图像作为所述初始高光谱图像信息分类模型的输入变量，对所述初始高光谱图像信息分类模型进行训练和优化，获取目标高光谱图像信息分类模型；以及通过所述目标高光谱图像信息分类模型，对所述测试图像进行处理，获取高光谱图像信息的分类结果。2.根据权利要求1所述的一种高光谱图像信息的分类方法，其特征在于，获取所述高光谱图像信息的分类结果的步骤包括：对所述高光谱图像进行处理，获取多个低维高光谱图像块；对多个所述低维高光谱图像块进行多尺度的可分离轻量级卷积处理，获取第一输出特征图；以及对所述第一输出特征图进行跨维依赖处理，获取第一注意力特征图，其中，所述第一注意力特征图的计算公式为：其中，f2为所述第一注意力特征图，r()表示Reshape操作，MLP()表示在多层感知器中进行处理，σ()表示Sigmoid函数，表示为点积处理，f表示为所述第一输出特征图。3.根据权利要求2所述的一种高光谱图像信息的分类方法，其特征在于，获取所述高光谱图像信息的分类结果的步骤还包括：对所述第一注意力特征图进行空间信息融合处理，获取第二注意力特征图，其中，所述第二注意力特征图的计算公式为：其中，f3为所述第二注意力特征图，F1()、F2()、F3()和F4()为通过多个卷积核进行的卷积操作，H()为批标准化操作，L()为线性修正操作，σ()表示Sigmoid函数，f2为所述第一注意力特征图；将所述第一输出特征图和所述第二注意力特征图进行点积处理，获取第二输出特征图；以及对所述第二输出特征图的特征信息进行分类处理，获取所述高光谱图像信息的分类结果。4.根据权利要求2所述的一种高光谱图像信息的分类方法，其特征在于，获取多个所述低维高光谱图像块的步骤包括：对所述高光谱图像进行降维处理，获取低维高光谱图像；以及对所述低维高光谱图像进行分割，获取多个所述低维高光谱图像块。5.根据权利要求2所述的一种高光谱图...

【专利技术属性】
技术研发人员：徐沁，刘世纪，王舒可，吴越，李思桐，刘鹏，宋珊，
申请(专利权)人：安徽大学，
类型：发明
国别省市：