【技术实现步骤摘要】
一种高光谱开放集分类方法及系统
[0001]本专利技术涉及高光谱图像开放集分类领域
,尤其涉及一种高光谱开放集分类方法及系统
。
技术介绍
[0002]高光谱遥感影像可以探测到数十甚至上百个波段,其光谱分辨率可以达到纳米级别,收集到的光谱信息远多于其他影像,因此在分类应用中能够提供区分相似物质的光谱细节
。
高分辨率遥感就是对遥感数据的质量和数量要求很高的遥感技术
。
如卫星影像的地面分辨率由
10m、5m、2m、1m、
甚至
0.6m
逐步提高
。
这种影像比普通影像包含更多地物的几何结构与细节特征,是实现地物精细化观察的良好数据源
。
[0003]在目前的分类方法中,对高光谱图像的分类都是在基于“封闭集”的前提下进行的,也就是在要进行分类的图像中的像素点都是完整的已知类别并且每一个都可以用现有已知标记值去进行标记分类的假设下进行的
。
如果一个实例本身不属于任何一个类别,这个实例会被当成背景忽略掉,因此并不会影响分类精度
。
但是这个实例如果是一个新的类别,就会导致错误的正类,从而降低模型的精度;如果很多的属于新的类别的实例被分类成已知类别,已知类别的估计范围和数量将会大大的增加
。
[0004]在现实生活中,特别是对于高光谱图像,地物种类复杂,不可能去定义一张图像中的所有类别,使所有的实例都是包含在已知的标注值中
。
例如在进行人工标注收集 ...
【技术保护点】
【技术特征摘要】
1.
一种高光谱开放集分类方法,其特征在于,包括如下步骤:
S1、
高光谱图像通过多个图像特征提取层得到高光谱的最终图像特征,所述图像特征提取层通过融合注意力机制的稠密连接块提取该层图像特征;
S2、
步骤
S1
提取的最终高光谱的图像特征通过逐层图像重建处理得到主路重建图像,各层图像处理后的重建特征图分别经反卷积支路处理后与主路重建图像叠加融合得到最终重建图像;
S3、
根据所述最终重建图像和原图像获取重建损失,根据重建损失和
EVT
算法判断所述高光谱图像是否为已知类;
S4、
对判定为已知类的高光谱图像进行分类,输出分类结果
。2.
根据权利要求1所述一种高光谱开放集分类方法,其特征在于,高光谱图像通过多个图像特征提取层得到高光谱的最终图像特征的方法包括:将高光谱图像输入第一个图像特征提取层中得到第一个图像特征,将第一个图像特征作为下一图像特征提取层图像特征提取层的输入,经依次逐层提取得到最终图像特征
。3.
根据权利要求2所述一种高光谱开放集分类方法,其特征在于,所述图像特征提取层提取图像特征的方法包括:通过稠密连接块传递各特征提取层之间的信息,建立各特征提取层之间的连接关系;通过深度可分离卷积分割空间维度和信道维度之间的相关性后经注意力机制得到高光谱的图像特征
。4.
根据权利要求1所述一种高光谱开放集分类方法,其特征在于,步骤
S3
所述重建损失
l
r
(Q,Q
r
)
为:
l
r
(Q,Q
r
)
=
MSE||Q
‑
Q
r
||1;其中,
【专利技术属性】
技术研发人员:王爱丽,周华明,吴海滨,徐恺阳,刘城洋,戴诗语,
申请(专利权)人:哈尔滨理工大学,
类型:发明
国别省市:
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。