【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于状态空间模型的光谱空间解耦的高光谱影像分类方法。
技术介绍
1、高光谱影像是由空间维的空间信息与通道维的光谱信息组成的三维数据体。光谱信息与空间信息对于高光谱分类至关重要。
2、传统的基于光谱空间的分类方法过度依赖于手工特征，在复杂场景中具有较弱的鲁棒性和泛化性。受益于强大的深层，非线性信息挖掘能力，基于深度学习的算法能够有效解决这一问题；但是，由于光谱与空间信息之间复杂的非线性耦合方式，导致在复杂场景下基于三维信息提取的高光谱分类方法生成的结果往往会不可靠。
3、由此可见，相关技术中的高光谱分类方法，存在复杂场景下分类准确率不高的技术问题。
技术实现思路
1、本专利技术提供一种基于状态空间模型的光谱空间解耦的高光谱影像分类方法，用以解决现有技术中高光谱分类方法，存在复杂场景下分类准确率不高的缺陷，实现空间信息与光谱信息的联合利用以提高高光谱影像分类准确率。
2、本专利技术提供一种基于状态空间模型的光谱空间解耦的高...
【技术保护点】
1.一种基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述将所述浅层特征输入至基于状态空间模型的空间语义建模模块，得到所述空间语义建模模块输出的全局空间语义信息，包括：
3.根据权利要求2所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述对所述浅层特征进行空间信息聚合，得到多尺度空间信息，包括：
4.根据权利要求2所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述对所述浅层...
【技术特征摘要】
1.一种基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，包括：
2.根据权利要求1所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述将所述浅层特征输入至基于状态空间模型的空间语义建模模块，得到所述空间语义建模模块输出的全局空间语义信息，包括：
3.根据权利要求2所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述对所述浅层特征进行空间信息聚合，得到多尺度空间信息，包括：
4.根据权利要求2所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述对所述浅层特征进行光谱信息提取，得到多尺度光谱信息，包括：
5.根据权利要求2所述的基于状态空间模型的光谱空间解耦的高光谱影像分类方法，其特征在于，所述对所述多尺度光谱信息进行光谱分组，得到波段组序列，包括：
6.根据权利要求1所述的基于状态空间模型...
【专利技术属性】
技术研发人员：洪丹枫，潘兆杰，李晨玉，
申请(专利权)人：中国科学院空天信息创新研究院，
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。