基于Transformer的火星表面矿物识别方法技术

本发明专利技术提供一种基于Transformer的火星表面矿物识别方法，包括：将预处理后的火星矿物标准高光谱数据集划分为：训练数据集、验证数据集和测试数据集。然后，构建矿物识别Transformer模型。根据训练数据集和验证数据集对矿物识别Transformer模型进行训练，得到优化的矿物识别Transformer模型。根据测试数据集对优化的矿物识别Transformer模型进行测试，并确定测试分类准确率。最后，在测试准确率满足预设准确率条件情况下，将待识别火星矿物高光谱数据输入优化的矿物识别Transformer模型，输出得到火星矿物分类识别结果。这样，能够有效地提高对火星矿物分类识别的准确性。

【技术实现步骤摘要】

本专利技术涉及遥感，具体涉及一种基于transformer的火星表面矿物识别方法。

技术介绍

1、高光谱遥感技术是火星表面矿物识别的主要手段。高光谱遥感数据包含丰富的光谱和空间信息，具有图谱合一的特点。而不同类型的矿物具有其独特的光谱特征，依据矿物诊断性光谱特征可以识别矿物类型和矿物组分。因此，火星高光谱影像已被广泛应用于火星表面矿物识别研究。

2、目前，通常采用基于机器学习和深度学习的方法，例如：人工神经网络(ann)、卷积神经网络(cnn)、支持向量机(svm)等。这些方法尽管在火星表面矿物识别中展现出良好的效果，但仍存在一定的局限性。例如：对全局波段信息的提取不足，无法充分考虑光谱波段间的长距离依赖关系等。这些局限性的存在，导致现有的火星矿物分类模型存在分类准确率不高、自动化程度低等问题，难以做到大范围应用。

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分类识别火星表面矿物的问题。

2、为解决上述技术问题，本专利技术提供了一种基于transformer的火星表面矿物本文档来自技高网...

【技术保护点】

1.一种基于Transformer的火星表面矿物识别方法，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，所述矿物识别Transformer模型包括：嵌入映射函数、编码器、全连接层和输出层；

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练数据集和所述验证数据集对所述矿物识别Transformer模型进行训练，得到优化的矿物识别Transformer模型，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述嵌入映射函数的表达式为：

5.根据权利要求2或3所述的方法，其特征在于，所述编码器的函数表达式为：

...

【技术特征摘要】

1.一种基于transformer的火星表面矿物识别方法，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，所述矿物识别transformer模型包括：嵌入映射函数、编码器、全连接层和输出层；

3.根据权利要求2所述的方法，其特征在于，所述根据所述训练数据集和所述验证数据集对所述矿物识别transformer模型进行训练，得到优化的矿物识别transformer模型，包括：

4.根据权利要求2或3所述的方法，其特征在于，所述嵌入映射函数的表达式为：

5.根据权利要求2或3所述的方法，其特征在于，所述编码器的函数表达式为：

6.根据权利要求2...

【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，马秀梅，白泳，王彬彬，李超，王瑞，周懿文，廖涛，李冬，孙慧中，赵崇，周晓桢，邱子芸，寇雁飞，屈广俊，原卫亭，吕志鸿，高岳，单禹，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：