【技术实现步骤摘要】
本专利技术涉及高光谱遥感，具体涉及一种火星表面矿物特征波段筛选方法。
技术介绍
1、高光谱遥感技术是火星表面矿物识别与分类的主要手段。虽然火星高光谱遥感影像具有较高的光谱维度，但其中包含大量的噪声和冗余波段，含有矿物信息的波段只占少部分。在对火星表面矿物识别与分类的实际应用中，应用全波段进行矿物分类对矿物信息提取能力不足，可能存在过拟合等问题，从而导致分类效果不理想。而对高光谱遥感影像进行波段筛选，可以有效地提取光谱数据中的重要信息，从而提升分类效果。
2、目前，通常采用基于无监督学习的波段筛选方法，例如，包括：基于聚类的方法、基于排序的方法和基于搜索的方法等。无监督学习的波段筛选方法虽然能够充分提取矿物光谱特征和结构特征，但是，与光谱分类处理是相对独立的，即提取到的特征不包含矿物的类别信息。这样，无法准确地对高光谱数据中火星表面矿物特征波段进行筛选，从而导致对火星表面矿物识别与分类的准确性降低。
技术实现思路
1、本专利技术所要解决的技术问题是无法准确地对高光谱数据中火星表面...
【技术保护点】
1.一种火星表面矿物特征波段筛选方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述波段筛选监督学习网络模型包括：权重学习单元、波段筛选单元和类别学习单元；所述权重学习单元与所述波段筛选单元连接，所述波段筛选单元与所述类别学习单元连接；
3.根据权利要求2所述的方法，其特征在于，所述根据所述预处理后的训练高光谱数据集对所述波段筛选监督学习网络模型进行迭代训练，得到优化的波段筛选监督学习网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述波段权重组合中波段权重的表达式为：
5.根据权利要求3...
【技术特征摘要】
1.一种火星表面矿物特征波段筛选方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述波段筛选监督学习网络模型包括：权重学习单元、波段筛选单元和类别学习单元；所述权重学习单元与所述波段筛选单元连接，所述波段筛选单元与所述类别学习单元连接；
3.根据权利要求2所述的方法，其特征在于，所述根据所述预处理后的训练高光谱数据集对所述波段筛选监督学习网络模型进行迭代训练，得到优化的波段筛选监督学习网络模型，包括：
4.根据权利要求3所述的方法，其特征在于，所述波段权重组合中波段权重的表达式为：
5.根据权利要求3所述的方法，其特征在于，所述类别学习单元的输出结果表达式为：
6.根据权利要求3所述的方法，其特征在于...
【专利技术属性】
技术研发人员：裘贺顺，周可法，王金林，毕建涛，张清，汪玮，李超，王彬彬，王瑞，孙慧中，马秀梅，白泳，廖涛，李冬，屈广俊，卢应鹏，
申请(专利权)人：中国科学院空间应用工程与技术中心，
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。