[發明專利]基于雙通道多特征融合網絡的多光譜圖像分類方法

在審

• 申請號: 201710571624.2
• 申請日: 2017-07-13
• 公開（公告）號: CN107463948A
• 公開（公告）日: 2017-12-12
• 發明（設計）人: 焦李成;屈嶸;高麗麗;馬文萍;楊淑媛;侯彪;劉芳;尚榮華;張向榮;張丹;唐旭;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 徐文權

技術領域

本發明屬于圖像處理領域，具體涉及一種基于雙通道多特征融合網絡的多光譜圖像分類方法。

背景技術

多光譜圖像作為遙感圖像的一種，它有其自身的特點。一方面是充分利用能透過大氣的各類電磁波譜段，向紅外、遠紅外和微波擴展，另一方面則是細分光譜段。一般的典型地物都具有其光譜波形特征，由于波段寬度狹窄、數量多并且連續，高維多光譜圖像能夠提供地物近似連續的光譜信息，具有高的光譜分辨率。

圖像的融合層次分為三種，數據級融合，特征級融合和決策級融合。當前多光譜圖像融合包括兩個方面，即多光譜圖像與全色圖像之間的融合，以及多光譜各譜段之間圖像的融合。與全色圖像融合的本質是把有低空間分辨率、高光譜分辨率的多光譜圖像和具有高空間分辨率、低光譜分辨率的全色光學圖像進行綜合，使融合后的圖像具有較高空間細節表現能力，又同時保留光譜特性。多光譜各譜段之間的融合目的是把能反映目標光譜特征的幾個譜段圖像進行綜合，則融合圖像可以反映地物特征，減少數據量，為檢測和識別提供可靠依據。目前常用的融合方法有HIS變換法、主成分分析法(PCA)、高通濾波法、小波變換法、簡單線性加權法等。多光譜圖像的融合可以提高圖像的分辨率，信息量和清晰度，因此圖像的融合技術的研究有待發展。

隨著多光譜遙感技術的進一步發展和應用程度的不斷深入，多光譜圖像融合領域依然存在一些問題，對于多源的，譜段較多的多光譜圖像，單衛星單譜段的圖像提取的光譜特征信息量較少，然而現有的融合方法可能會導致信息冗余，融合后的光譜特性發生變化等，這勢必會影響分類精度。

發明內容

本發明的目的在于克服上述不足，提供一種基于雙通道多特征融合網絡的多光譜圖像分類方法，以解決單衛星單譜段光譜信息單一，現有方法融合后信息冗余的問題。

為了達到上述目的，本發明包括以下步驟：

步驟一，將landsat_8衛星拍攝的波段疊加融合，得到融合后的多光譜特征L；

步驟二，將sentinel_2衛星拍攝的波段疊加融合，得到融合后的多光譜特征L′；

步驟三，將兩個衛星得到的多光譜特征矩陣L和L′中的每個波段的多光譜特征矩陣L_i、L′_j分別進行歸一化處理；

步驟四，從歸一化后的特征矩陣L_norm和L′_norm中隨機選取n×n的像素塊作為訓練樣本，整個特征矩陣作為測試樣本；

步驟五，構造L_norm和L′_norm中訓練數據集T_train的特征矩陣W_train，驗證數據集T_val的特征矩陣W_val和測試數據集T_test的特征矩陣W_test；

步驟六，構造雙通道全卷積神經網絡模型；

步驟七，將訓練樣本和驗證樣本輸入網絡進行訓練，得到訓練好的分類模型；

步驟八，加載訓練好的分類模型，對測試集進行分類，得到測試分類結果。

所述步驟一中，L＝(L₁，L₂，...，L_i)，L_i表示landsat_8的第i個波段的多光譜特征，i＝9表示一共有9個波段，L的維度為M×N×i，L_i的維度為M×N，M表示光譜特征矩陣的高度，N表示光譜特征矩陣的寬度。

所述步驟二中，L′＝(L₁′，L′₂，...，L′_j)，L′_j表示sentinel_2衛星的第j個波段的多光譜特征，j＝10表示一共有10個波段，L′的維度為M×N×j，L′_j的維度為M×N。

所述步驟三中，歸一化后的特征矩陣L_norm和L′_norm，歸一化處理公式如下：

其中x表示特征矩陣L_i中的特征值，y表示特征矩陣L′_j中的特征值。