【技术实现步骤摘要】
本专利技术属于高光谱图像分类，尤其涉及一种基于深度学习的空谱联合高光谱图像分类方法。
技术介绍
1、高光谱遥感是一种集成了成像技术与光谱技术的多维信息获取技术，同时探测地物目标的二维空间信息与一维光谱信息，从而获取光谱分辨率高且波段众多的高光谱图像。高光谱图像能够反映近乎连续的地物光谱特征曲线，包含着丰富的空间、光谱信息，是多种信息的综合载体。高光谱图像分类是各种高光谱应用的基础，其主要目标是将图像中的像素进行判定，从而实现地物类别的自动识别，为其他部门提供服务。从经典机器学习理论如svms、knn等，到深度神经网络，以卷积神经网络为代表的深度学习模型框架已经广泛应用于高光谱图像分类，并且已经取得了显著的成就。相较于传统方法，卷积神经网络不需要手工制作特征，而是通过连续卷积块的组合在训练集中自动地获取数据的高级特征，使分类模型能够更好的表达数据集本身的特点避免了通过专家先验知识手动设计特征的过程，极大程度提升了分类精度。
2、由于高光谱图像本身特殊的数据特点，在使用卷积神经网络搭建网络模型时仍然面临着以下几个方面的挑战：p>
3、(1)本文档来自技高网...
【技术保护点】
1.一种基于深度学习的空谱联合高光谱图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，对高光谱图像数据进行数据预处理包括：
3.根据权利要求2所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，将高光谱图像数据通过注意力系数加权转化为紧凑表示包括：
4.根据权利要求3所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，
5.根据权利要求1所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，所述原始高光谱图像分类模型包括：密集双分支金字塔...
【技术特征摘要】
1.一种基于深度学习的空谱联合高光谱图像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，对高光谱图像数据进行数据预处理包括：
3.根据权利要求2所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，将高光谱图像数据通过注意力系数加权转化为紧凑表示包括：
4.根据权利要求3所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，
5.根据权利要求1所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，所述原始高光谱图像分类模型包括：密集双分支金字塔特征提取模块、空间特征提取器和分类器；
6.根据权利要求5所述的基于深度学习的空谱联合高光谱图像分类方法，其特征在于，所述密集双分支金字塔特征...
【专利技术属性】
技术研发人员：王立国，马博然，王恒，刘丹凤，
申请(专利权)人：大连民族大学，
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。