[發(fā)明專利]結(jié)合深度學(xué)習(xí)和鄰域集成的高光譜圖像分類方法

有效

• 申請?zhí)枺?/td>: 201711415902.1
• 申請日: 2017-12-25
• 公開（公告）號: CN108256557B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 孟紅云;張小華;樊宏淵;田小林;朱虎明;曹向海;侯彪
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

本發(fā)明提出了一種結(jié)合深度學(xué)習(xí)和鄰域集成的高光譜圖像分類方法，主要解決現(xiàn)有技術(shù)使用訓(xùn)練樣本多且分類效果差的問題，其技術(shù)方案：在高光譜數(shù)據(jù)中通過選取不同的鄰域尺度，獲得結(jié)合不同的空間信息的數(shù)據(jù)集；將不同空間信息的數(shù)據(jù)集分別輸入到不同的自編碼網(wǎng)絡(luò)中，獲得不同空間信息下的分類結(jié)果；將上述的分類結(jié)果進(jìn)行連接，并作為訓(xùn)練數(shù)據(jù)訓(xùn)練一個新的自動編碼器網(wǎng)絡(luò)，作為最終的集成網(wǎng)絡(luò)；將不同空間信息下的自編碼器的對測試樣本的分類結(jié)果進(jìn)行連接構(gòu)成集成網(wǎng)絡(luò)的測試樣本；將新的測試樣本輸入到集成網(wǎng)絡(luò)，獲得高光譜圖像的最終分類結(jié)果。本發(fā)明使用訓(xùn)練樣本少，分類精度高，可用于環(huán)境監(jiān)測，土地利用和目標(biāo)識別等。

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，特別涉及一高光譜圖像分類方法，可用于環(huán)境監(jiān)測，土地利用和目標(biāo)識別。

背景技術(shù)

通過結(jié)合成像技術(shù)和光譜技術(shù)，高光譜遙感可同時獲得空間和光譜連續(xù)的數(shù)據(jù)。高光譜圖像在地球表面監(jiān)測中是一種有效的工具，被廣泛用于農(nóng)業(yè)，礦物學(xué)，對地探測，物理學(xué)，天文學(xué)和環(huán)境科學(xué)中。這些應(yīng)用中的常用技術(shù)是對高光譜圖像中的每個像元進(jìn)行分類。

高光譜圖像的分類方法主要有基于光譜信息的分類方法，基于空間信息的分類方法，和結(jié)合空間信息和光譜信息的分類方法，其中：

基于光譜信息的分類方法，只利用高光譜圖像的光譜信息進(jìn)行分類，常用的有決策樹算法，神經(jīng)網(wǎng)絡(luò)算法等。這些方法僅僅考慮了像元的光譜信息，而未考慮像元的鄰域信息，事實上高光譜圖像像元與鄰近像元往往歸屬于同一類，因此僅僅依靠光譜信息進(jìn)行的分類方法得到的分類效果非常有限。

基于空間信息的高光譜圖像分類方法，只利用高光譜圖像的空間信息進(jìn)行分類，典型的方法如基于小波分析的特征提取方法以及基于灰度共生矩陣的特征提取方法。這類方法是一種基于人工經(jīng)驗的特征提取方法，所以該類方法需要較好的先驗知識才能獲得較好的分類結(jié)果。

基于空譜結(jié)合的高光譜圖像分類方法，是結(jié)合高光譜像元光譜信息和空間信息進(jìn)行分類的方法。典型的方法有基于空譜結(jié)合的稀疏表示分類方法和基于深度學(xué)習(xí)的高光譜圖像分類方法。基于空譜結(jié)合的稀疏表示分類方法是目前較為流行的分類算法，該方法在一定程度上取得了較好的分類效果，但其只提取了高光譜圖像的淺層特征，對于實際應(yīng)用中，由于拍攝環(huán)境的多變性導(dǎo)致高光譜圖像的多變性，提取的淺層特征并不能準(zhǔn)確的判斷像元的類別，從而使此類方法對于分類問題沒有較強(qiáng)的魯棒性。基于深度學(xué)習(xí)的高光譜圖像分類方法是近些年的研究熱點，由于其極強(qiáng)的深層特征提取能力，使它越來越多的應(yīng)用到實際分類中去，但是由于其網(wǎng)絡(luò)的訓(xùn)練需要大量的帶標(biāo)簽的樣本，而高光譜圖像有標(biāo)簽的樣本較為匱乏，使得基于深度學(xué)習(xí)的高光譜分類方法受到了很大的制約。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出一種結(jié)合深度學(xué)習(xí)和鄰域集成的高光譜圖像分類方法，以解決現(xiàn)有技術(shù)不能較好的提取高光譜圖像的深層空譜特征和需要大量訓(xùn)練樣本的問題。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案包括如下：

(1)輸入一幅包含C個類別的高光譜圖像：X＝{x₁，x₂，……，x_i，……，x_N}，并從每類高光譜像元中隨機(jī)選取10％的樣本作為訓(xùn)練樣本集S，剩余的樣本作為測試樣本T，其中，x_i表示高光譜圖像中第i個樣本，它是一個B₀維的光譜向量，i＝1，2，…，N，N表示該高光譜圖像的樣本個數(shù)，C≥2，B₀是高光譜圖像的波段數(shù)目，其在不同的高光譜成像儀獲得的圖像的像元的光譜維數(shù)是不同的；

(2)將訓(xùn)練樣本集S輸入已連接softmax分類器的自動編碼器網(wǎng)絡(luò)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，得到訓(xùn)練好的分類網(wǎng)絡(luò)；

(3)將訓(xùn)練樣本集S和測試樣本T輸入到訓(xùn)練好的網(wǎng)絡(luò)中，分別得到訓(xùn)練樣本集和測試樣本集的概率分類結(jié)果和其中N₁為訓(xùn)練樣本的個數(shù)，N₂為測試樣本的個數(shù)，C是樣本類別數(shù)；