【技术实现步骤摘要】
本专利技术涉及高光谱图像处理，尤其涉及一种基于高光谱图像的解混方法及系统。
技术介绍
1、光谱遥感技术是将成像技术与光谱技术相结合，与其它光学图像不同，高光谱图像是一个三维图像，其光谱维包含数百个窄而连续的通道信息，可以反映出地物的细微特征，并识别出其它图像无法检测到的地物。由于机载过程中普遍存在传感器的低空间分辨率现象，高光谱图像中不可避免地会出现混合像元。每个混合像元的光谱反射率是具体场景中多种纯物质的光谱反射率的混合。当场景中出现大量混合像元时，下游任务将每个混合像元都仅视为一个类别因而会受到负面影响。高光谱解混技术的主要目标是将高光谱图像中的混合像元分解成纯物质光谱，称为端元，以及端元在像元中所占的比例，称为丰度。
2、基于线性混合模型的传统解混方法包括基于几何、统计和稀疏回归的解混方法。然而，基于几何的方法在现实场景中需要满足纯端元存在的假设，该方法局限性很大。基于统计和稀疏回归的方法计算量大并且在实际场景中具有局限性。近年来，深度学习中卷积神经网络由于其提取空间特征的强大能力，基于卷积自动编码器的解混方法研究十分...
【技术保护点】
1.一种基于高光谱图像的解混方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高光谱图像的解混方法，其特征在于，多尺度空间特征提取模块包括：3个并行的子模块，3个子模块均包括3个二维卷积，2个二维卷积之间依次接Leaky_relu激活函数、BN层和Dropout层。
3.根据权利要求2所述的基于高光谱图像的解混方法，其特征在于，第1个子模块为二维卷积为3×3卷积，第2个子模块为二维卷积为5×5卷积；第3个子模块为二维卷积为7×7卷积。
4.根据权利要求1所述的基于高光谱图像的解混方法，其特征在于，光谱特征提取模块使用二维...
【技术特征摘要】
1.一种基于高光谱图像的解混方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于高光谱图像的解混方法，其特征在于，多尺度空间特征提取模块包括：3个并行的子模块，3个子模块均包括3个二维卷积，2个二维卷积之间依次接leaky_relu激活函数、bn层和dropout层。
3.根据权利要求2所述的基于高光谱图像的解混方法，其特征在于，第1个子模块为二维卷积为3×3卷积，第2个子模块为二维卷积为5×5卷积；第3个子模块为二维卷积为7×7卷积。
4.根据权利要求1所述的基于高光谱图像的解混方法，其特征在于，光谱特征提取模块使用二维和三维卷积相结合，包括4个1×1×3卷积，第1个1×1×3卷积后接leaky_relu激活函数，后面3个1×1×3卷积后接leaky_relu激活函数和maxpooling层，最后接1个3×3卷积。
5.根据权利要求1所述的基于高光谱图像的解混方法，其特征在于，ssarm模块包括：光谱注意残差模块和空间残差模块；其中，光谱注意残差模块包括4个1×1卷积、第1、第2个1×1卷积之间接relu激活函数进行跨通道信息交互与...
【专利技术属性】
技术研发人员：陈从平，徐志伟，李明春，陈奔，陆鹏，张吴燚，程思敏，
申请(专利权)人：常州大学，
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。