【技术实现步骤摘要】
本专利技术属于图像处理，具体为一种基于retinex模型的高光谱图像分类方法。
技术介绍
1、高光谱图像分类是遥感科学中的重要研究方向，其通过捕捉地表物体在全电磁波谱范围内的连续反射特性，实现对地物的精确识别和分类。高光谱图像具有波段数多、信息冗余大的特点，能够提供极其细致的光谱信息，为科学研究和应用实践提供了前所未有的洞察力。
2、然而，高光谱图像分类面临诸多挑战，尤其是在光照条件变化和有限标记数据的情况下，现有技术的分类性能往往受到限制，主要体现如下：
3、光照变化的影响：高光谱图像的分类性能对光照条件非常敏感。光照变化会导致图像的光谱特征发生显著变化，从而影响分类模型的准确性。现有的深度学习方法在处理光照变化时表现不佳，尤其是在光照不均匀或光照条件复杂的情况下，分类精度显著下降。
4、有限标记数据的过拟合问题：高光谱图像的标记数据获取成本高、难度大，导致训练数据往往有限。现有的深度学习方法在有限标记数据的情况下容易出现过拟合问题，导致模型在未见数据上的泛化能力较差，分类结果不理想。
...
【技术保护点】
1.一种基于Retinex模型的高光谱图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于Retinex模型的高光谱图像分类方法，其特征在于，所述Retinex分解步骤包括：
3.根据权利要求1所述的一种基于Retinex模型的高光谱图像分类方法，其特征在于，所述固有属性分量特征提取器包括：
4.根据权利要求1所述的一种基于Retinex模型的高光谱图像分类方法，其特征在于，所述光照分量特征提取器采用与固有属性分量特征提取器相同的深度学习架构进行特征提取，并通过交叉熵损失函数进行训练。
5.根据权利...
【技术特征摘要】
1.一种基于retinex模型的高光谱图像分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于retinex模型的高光谱图像分类方法，其特征在于，所述retinex分解步骤包括：
3.根据权利要求1所述的一种基于retinex模型的高光谱图像分类方法，其特征在于，所述固有属性分量特征提取器包括：
4.根据权利要求1所述的一种基于retinex模型的高光谱图像分类方法，其特征在于，所述光照分量特征提取器采用与固有属性分量特征提取器相同的深度学习架构进行特征提取，并通过交叉熵损失函数进行训练。
5.根据权利要求1所述的一种基于retinex模型的高光谱图像分类方法，其特征在于，所述基于交互注意力机制的特征融合模块包括：
6.根据权利要求5所述的一种基于retinex模型的高光谱图像分类方法，其特征在于，所述交互注意力机制的特征融合模块中，查询向量query、键向量key和值向量valu...
【专利技术属性】
技术研发人员：张瀛，沈锦泰，贾林，刘子坤，韩坤朋，
申请(专利权)人：湖南工业大学，
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。