【技术实现步骤摘要】
一种融合CNN和ViT空谱特征的高光谱图像分类方法
[0001]本专利技术涉及高光谱影像
,尤其涉及一种融合CNN和ViT空谱特征的高光谱图像分类方法。
技术介绍
[0002]高光谱图像(Hyperspectral Images,HSI)分类是地球观测任务中的一项重要任务。HSI每个像元在光谱维度上收集数百个波段,其光谱分辨率很高,提供了丰富的空间和光谱信息。HSI分类在土地覆盖识别、精准农业、变化监测、环境监测、资源勘探等各种高精度对地观测任务中具有巨大潜力。
[0003]由于深度学习体系结构在自然图像识别中取得了巨大的成功,许多研究者将其应用到HSI分类中,并提出了各种基于深度学习的HSI分类方法,通过插入各种模型来提取更丰富的特征。例如,Hu等人提出了一种改进的分类方法,使用具有5个卷积层的1D CNN,分别是输入层、卷积层、最大池化层、全连接层和输出层。Yang等人结合1D CNN和2D CNN模型开发了双分支网络结构,致力于提取光谱域和空间域的特征。最后,将这些特征组合成一个全连接层,从而提取出联合光谱空间特征进行分类。为了更好地提取空间光谱特征,Chen等人引入了一种结合正则化的基于3D CNN方法,用于高效提取三维特征。Zhong等人提出了一种空间光谱残差网络对HSI进行分类。该方法将前一层特征的信息作为后一层特征的补充,大大提高了特征的利用率。Roy等人提出了一种混合光谱CNN(HybridSN),该方法使用3D CNN从光谱堆叠中联合表示空间光谱特征,再利用2D CNN提取抽象的空间特 ...
【技术保护点】
【技术特征摘要】
1.一种融合CNN和ViT空谱特征的高光谱图像分类方法,其特征在于,包括以下步骤:步骤S1:HSI数据集预处理;对HSI数据集进行主成分分析(PCA)降维处理,提取HSI像元的三维patches;步骤S2:光谱特征提取;三维patches输入到不同卷积核大小的Conv 3D层中,挖掘出光谱信息的特征图,并将该特征图通过展平处理后输入到ViT的Transformer Encode模块中,以提取HSI的局部和全局的光谱信息;步骤S3:空间特征提取;将步骤S2所得光谱特征图输入到相同卷积核的Conv 2D层,挖掘出空间信息的特征图,并将该特征图通过展平处理后输入到ViT的Transformer Encode模块中,以提取HSI的局部和全局的空间信息;步骤S4:空
‑
谱特征融合;级联步骤S1提取的三维patches、步骤S2提取的光谱特征及步骤S3提取的空间特征,将级联结果输入到一个Conv 2D层中,并将所得特征图通过语义标记器转换输入到Transformer Encode模块中,实现特征融合;步骤S5:将步骤S4获得的融合特征直接输入线性层进行分类输出。2.根据权利要求2所述的融合CNN和ViT空谱特征的高光谱图像分类方法,其特征在于,在步骤S1中,所述HSI数据集包括Indian Pines数据集,Pavia University数据集,Data Fusion Contest 2018数据集。3.根据权利要求2所述的融合CNN和ViT空谱特征的高光谱图像分类方法,其特征在于,在步骤S1中,所述PCA降维后获得的图像立方体为I
pca
∈R
M
×
N
×
B
,其中M为宽度,N为高度,B为PCA处理后的光谱波段数。4.根据权利要求3所述的融合CNN和ViT空谱特征的高光谱图像分类方法,其特征在于,在步骤S1中,对HSI数据I
pca
进行三维patches提取,即从I
pca
创建相邻三维patches:X∈R
S
×
S
×
B
,其中S
×
S表示窗口大小,B为PCA处理后的光谱波段数;其中,每个所述patch的中心像素位置设为(x
i
,x
j
),其中0≤i<M,0≤j<N。5.根据权利要求4所述的融合CNN和ViT空谱特征的高光谱图像分类方法,其特征在于,在步骤S2中,具体实现过程如下:1)将三维patches X∈R
S
×
S
×
B
输入到一个卷积核为3
×3×
3,步长为1的Conv 3D中,同时通过填充策略padding=(1,1,1)使3D patches保持在S
×
S
×
B不变,然后输入到一个Batch Normalization(BN)层进行归一化处理得到X
3D1
;用公式表示为X
3D1
=BN(Conv3D1(X));2)接着再输入到两个5
×3×
3卷积核、7
×3×
3卷积核的Conv 3D层中,输出为X
3D2
。X
3D2
与X
3D1
残差连接得到X
′
3D2
,将两个Conv 3D层及残差连接结构再迭代一次结果为X
″
3D2
,用公式表示为X
3D2
=Conv3D2(X
3D1
)X
′
3D2
=X
3D1
+X
3D2
3)把迭代结果X
″
3...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。