一种基于交互式双分支特征融合网络的高光谱图像分类方法技术

本发明专利技术公开了一种基于交互式双分支特征融合网络的高光谱图像分类方法，包括：选取少量带有标签的像素样本，将包含训练样本的整张高光谱图像输入基于交互式双分支多级特征融合网络模型中对该模型进行训练，通过

【技术实现步骤摘要】
一种基于交互式双分支特征融合网络的高光谱图像分类方法


[0001]本专利技术涉及遥感图像处理
，尤其涉及一种基于交互式双分支特征融合网络的高光谱图像分类方法
。

技术介绍

[0002]高光谱图像是一种利用高光谱遥感技术获取到的图像，每个像素点都具有多个波段的光谱信息，相对于传统的遥感影像，高光谱遥感图像可以从光谱信息中获取更丰富的物质信息，在农业
、
矿产勘探
、
环境监测等领域中有非常广泛的应用，近年来已经成为了研究热点
。
高光图像分类是针对高光谱图像的一种重要的应用手段，针对高光谱图像中每个像素点的光谱和空间特征将其划分为不同的类别
。
在早期的研究中，针对高光谱图像的分类大多采取人工特征提取的方法，然而近年来随着深度学习方法的发展，其优秀的特征提取能力也逐渐的被应用于高光谱图像分类
。
[0003]卷积神经网络
(CNN)
是在高光谱图像分类中被广泛应用的一种方法
。CNN
模型在不同通道间的特征表达具有独特的优本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于交互式双分支特征融合网络的高光谱图像分类方法，其特征在于包括：设置高光谱图像分类框架，构建样本图像和交互式双分支特征融合模型，将样本图像输入至交互式双分支特征融合模型中对该模型进行训练和测试；所述交互式双分支特征融合模型包括主干模块
、
全局
‑
局部特征交互模块和多级特征融合模块；所述主干模块使用依次连接的卷积层
、
归一化层
、
激活层以及线性层对样本图像进行处理得到图像的初步特征；将初步特征输入全局
‑
局部特征交互模块进一步提取特征，所述全局
‑
局部特征交互模块包括卷积神经网络特征提取分支和
Transformer
特征提取分支，经过全局
‑
局部特征交互模块处理后输出图像的多级特征；将图像的多级特征输入多级特征融合模块中进行特征融合从而输出图像的预测标签
。2.
根据权利要求1所述的基于交互式双分支特征融合网络的高光谱图像分类方法，其特征在于：所述样本图像保留了图像原有的尺寸和空间相对位置<...

【专利技术属性】
技术研发人员：于浩洋，阳豪，张昊，陶婷婷，贾佳，胡姣婵，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：