基于多尺度空谱Transformer的高光谱遥感图像分类方法技术

本发明专利技术公开了一种基于多尺度空谱Transformer的高光谱遥感图像分类方法，该方法包括：获取待分类的高光谱遥感图像；对高光谱遥感图像进行预处理，获取多个指定像素大小的图像块；分别将获取的图像块输入预先训练的图像分类模型，得到每个图像块对应的分类结果，图像分类模型通过在光谱Transformer模块中嵌套空间Transformer模块得到，光谱Transformer模块用于提取全局光谱信息，空间Transformer模块用于提取多尺度空间信息；输出分类结果。本发明专利技术的基于多尺度空谱Transformer的高光谱遥感图像分类方法能够充分提取、利用高光谱遥感图像中的多尺度空间信息和全局光谱信息，得到更好的图像特征，显著提高高光谱遥感图像的分类精度，改善分类性能。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种基于多尺度空谱transformer的高光谱遥感图像分类方法。

技术介绍

1、高光谱遥感(hyperspectral remote sensing)是将成像技术和光谱技术相结合的多维信息获取技术，同时探测目标的二维集合空间与一维光谱信息，获取高光谱分辨率的连续、窄波段图像数据，即高光谱遥感图像。

2、高光谱遥感图像包含数百个光谱带来表征不同的材料，用丰富的光谱信息来区分不同的物体。作为一项重要的高光谱数据处理任务，高光谱遥感图像分类旨在为每个像素分配唯一的土地覆盖标签，也是许多现实世界应用中的关键技术，如城市规划、军事侦察等应用。由于高光谱遥感图像不同地物光谱波段之间存在较强的相似性，且同一地物光谱波段之间也存在差异性，这使得仅采用光谱信息难以有效的进行高光谱遥感图像分类。而除了丰富的光谱信息，高光谱遥感图像同样还含有高分辨率空间信息，空间信息能够辅助光谱信息更精准的区分不同的地物信息。因此，如何充分利用空间信息和光谱信息，是实现高光谱遥感图像精确分类的关键。

3、随着深度学习技术的发展，深度学习本文档来自技高网...

【技术保护点】

1.一种基于多尺度空谱Transformer的高光谱遥感图像分类方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度空谱Transformer的高光谱遥感图像分类方法，其特征在于，所述图像分类模型包括：

3.根据权利要求2所述的基于多尺度空谱Transformer的高光谱遥感图像分类方法，其特征在于，对所述高光谱遥感图像进行预处理，包括：

4.根据权利要求3所述的基于多尺度空谱Transformer的高光谱遥感图像分类方法，其特征在于，所述分图像的像素大小为11*11。

5.根据权利要求3所述的基于多尺度空谱Transformer的...

【技术特征摘要】

1.一种基于多尺度空谱transformer的高光谱遥感图像分类方法，其特征在于，包括：

2.根据权利要求1所述的基于多尺度空谱transformer的高光谱遥感图像分类方法，其特征在于，所述图像分类模型包括：

3.根据权利要求2所述的基于多尺度空谱transformer的高光谱遥感图像分类方法，其特征在于，对所述高光谱遥感图像进行预处理，包括：

4.根据权利要求3所述的基于多尺度空谱transformer的高光谱遥感图像分类方法，其特征在于，所述分图像的像素大小为11*11。

5.根据权利要求3所述的基于多尺度空谱transforme...

【专利技术属性】
技术研发人员：龚智强，姚雯，姜廷松，杨扬，王宁，
申请(专利权)人：中国人民解放军军事科学院国防科技创新研究院，
类型：发明
国别省市：