一种高光谱图像分类方法技术

本发明专利技术公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决难以利用高光谱图像中复杂信息导致识别准确性低技术问题。其包括：首先通过初步特征提取处理剔除无用信息；利用KAN卷积运算处理时元素之间相互学习激活的特性捕捉空间和光谱特征，并利用自适应注意力机制放大空间和光谱特征，减少无用信息对计算资源的占用；自适应注意力机制采用基于汉明距离计算查询和键之间的相似性，可以降低无用信息的不良影响；利用重聚焦卷积自适应调整特征图中每个局部区域的响应强度，通过响应强度控制特征表达，实现对图像深度细节信息的挖掘，充分利用高光谱图像中存在复杂的空间关系和纹理信息，提高分类效率和准确性。

【技术实现步骤摘要】

本专利技术涉及一种高光谱图像分类方法，属于高光谱图像处理领域。

技术介绍

1、随着遥感技术的快速发展，高光谱图像已广泛应用于环境监测、资源管理等领域。高光谱图像具有丰富的光谱信息，能够提供比传统图像更细致的物质组成信息。然而，由于高光谱数据的维度高和信息量大，传统的图像处理技术在精确分类和实时处理方面面临巨大挑战。

2、深度学习，尤其是卷积神经网络cnn，已成为处理高光谱图像的有效手段。这些网络能够自动学习数据的层次特征，改善分类准确率。但高光谱图像通常包含几百个波段，维度非常高，这给特征提取和分类带来了很大挑战。训练样本有限：在实际应用中，获取高质量的标注训练样本往往成本较高。算法需要在样本有限的情况下仍能有效学习。复杂的空间信息，高光谱图像中存在复杂的空间关系和纹理信息，常规的分类算法难以充分利用这些信息。

技术实现思路

1、本申请的目的在于克服现有技术中的不足，提供一种特征提取能力强、充分利用样本信息的高光谱图像分类方法。

2、为达到上述目的，本申请是采用下述技术方案实现的：...

【技术保护点】

1.一种高光谱图像分类方法，其特征是，包括，

2.根据权利要求1所述高光谱图像分类方法，其特征是，所述从所述高光谱图像中提取出第一特征图，包括，使用滤波器扫描所述高光谱图像中每个局部区域，提取关键特征位置；针对所述关键特征位置对所述高光谱图像进行KAN卷积运算，获得第一特征图；使用脉冲激活函数对所述第一特征图进行二值化处理；

3.根据权利要求1所述高光谱图像分类方法，其特征是，所述对所述第二特征图进行重聚焦卷积，调整所述第二特征图中局部区域的响应强度，根据每个局部区域的响应强度放大局部区域内的特征表达，得到第三特征图，包括，

4.根据权利要求3所述高光...

【技术特征摘要】

1.一种高光谱图像分类方法，其特征是，包括，

2.根据权利要求1所述高光谱图像分类方法，其特征是，所述从所述高光谱图像中提取出第一特征图，包括，使用滤波器扫描所述高光谱图像中每个局部区域，提取关键特征位置；针对所述关键特征位置对所述高光谱图像进行kan卷积运算，获得第一特征图；使用脉冲激活函数对所述第一特征图进行二值化处理；

3.根据权利要求1所述高光谱图像分类方法，其特征是，所述对所述第二特征图进行重聚焦卷积，调整所述第二特征图中局部区域的响应强度，根据每个局部区域的响应强度放大局部区域内的特征表达，得到第三特征图，包括，

4.根据权利要求3所述高光谱图像分类方法，其特征是，

5.根据权利要求4所述高光谱图像分类方法，其特征是，所述将所述第三特征图中的特征进行线性组合，识别被线性组合后...

【专利技术属性】
技术研发人员：涂兵，李恒，刘博，陈云云，李军，方乐缘，曹兆楼，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：