[發(fā)明專利]一種基于ADMM-Net的高光譜圖像分類方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910486531.9
• 申請(qǐng)日: 2019-06-05
• 公開（公告）號(hào): CN110363078B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計(jì)）人: 閆敬文;謝梓歆;劉義南;彭鴻;王聰;朱宇霆
• 申請(qǐng)（專利權(quán)）人: 廣東三姆森科技股份有限公司
• 主分類號(hào): G06V20/10
• 分類號(hào): G06V20/10;G06V10/40;G06V10/764;G06V10/82;G06N3/045;G06N3/0499;G06N3/084
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 謝泳祥

1.一種基于ADMM-Net的高光譜圖像分類方法，其特征在于，所述方法包括以下步驟：

步驟1，獲取與采樣率相應(yīng)的高光譜圖像數(shù)據(jù)；

步驟2，設(shè)置全連接網(wǎng)絡(luò)ADMM-Net的稀疏層參數(shù)的大小為ρ、非線性變換層參數(shù)的大小為η、乘數(shù)更新層的大小為τ和網(wǎng)絡(luò)的深度為n；

步驟3，進(jìn)行基于稀疏表示的高光譜圖像分類；

步驟4，設(shè)置全連接網(wǎng)絡(luò)的損失函數(shù)L，利用反向傳播法，通過計(jì)算全連接網(wǎng)絡(luò)中每一層的梯度，進(jìn)而更新每一層的參數(shù)大小；

步驟5，利用更新后的每一層的網(wǎng)絡(luò)參數(shù)，再去訓(xùn)練前向網(wǎng)絡(luò)，得到誤差較小的分類結(jié)果；

步驟6，如果不滿足ADMM算法的收斂條件，則重復(fù)執(zhí)行步驟2到步驟5；如果滿足ADMM算法的收斂條件，則迭代停止并輸出最終的高光譜圖像分類結(jié)果；

在步驟2中，所述全連接網(wǎng)絡(luò)包括稀疏層、非線性變換層、乘數(shù)更新層，全連接網(wǎng)絡(luò)是基于稀疏表示的優(yōu)化算法，其中，一個(gè)高光譜像素點(diǎn)表示成：x＝Dα，D是字典矩陣，α是非零的稀疏向量，稀疏表示的核心問題是求解非零的稀疏向量α；

求解非零的稀疏向量α，將問題轉(zhuǎn)化為：其中，||α||₀≤K₀，K₀為稀疏向量α中的非零個(gè)數(shù)，轉(zhuǎn)化為其中，||x-Dα||₂≤σ，σ表示允許誤差大小，則等價(jià)于：α-z＝0；

所述稀疏層定義為：引入輔助變量z∈R^M×1，其增廣拉格朗日函數(shù)為：其中，y為拉格朗日乘子，ρ為懲罰參數(shù)，M為稀疏向量α的大小，轉(zhuǎn)化為以下形式：

其中，u＝y(tǒng)/ρ，稀疏層的輸出節(jié)點(diǎn)為：α⁽ⁿ⁾＝(alpha)*(D^TD+ρ⁽ⁿ⁾I)^-1(D^Tx+ρ⁽ⁿ⁾z^(n-1)-ρ⁽ⁿ⁾u^(n-1))+(1-alpha)*z^(n-1)，其中，ρ⁽ⁿ⁾是可學(xué)習(xí)參數(shù)；在第一次迭代階段，n＝1，n為迭代次數(shù)，z⁽⁰⁾和u⁽⁰⁾初始值為0，因此α⁽¹⁾＝(alpha)*(D^TD+ρ⁽¹⁾I)^-1(D^Tx)，alpha為松馳因子；

所述非線性變換層定義為：非線性變換層的輸出節(jié)點(diǎn)為：z⁽ⁿ⁾＝S(α⁽ⁿ⁾+u^(n-1)，η⁽ⁿ⁾)，其中，S(·)是收縮函數(shù)，η⁽ⁿ⁾是可學(xué)習(xí)參數(shù)；

所述乘數(shù)更新層定義為：在階段n中，乘數(shù)更新層的輸出節(jié)點(diǎn)為：u(n)＝u^(n-1)+τ⁽ⁿ)(α⁽ⁿ⁾-z⁽ⁿ⁾)，τ⁽ⁿ⁾是可學(xué)習(xí)參數(shù)；

在步驟1中，獲取與采樣率相應(yīng)的高光譜圖像數(shù)據(jù)的方法為：在matlab中設(shè)置采樣率大小為γ，通過matlab在高光譜圖像數(shù)據(jù)得到采樣率大小為γ的圖像作為高光譜圖像訓(xùn)練數(shù)據(jù)；

在步驟3中，進(jìn)行基于稀疏表示的高光譜圖像分類的方法為：通過計(jì)算非零的稀疏向量，其中，||x-Dα||₂≤σ，表示得到最小化的稀疏向量，σ表示誤差率，利用交替方向乘子法ADMM進(jìn)行迭代，得到分類后的結(jié)果，并與真實(shí)的結(jié)果進(jìn)行比較，得到損失大小。

2.一種基于ADMM-Net的高光譜圖像分類裝置，其特征在于，所述裝置包括：存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)如權(quán)利要求1所述的基于ADMM-Net的高光譜圖像分類方法。