[發明專利]一種基于邊緣保持的卷積神經網絡高光譜圖像分類方法

在審

• 申請號: 201910691340.6
• 申請日: 2019-07-29
• 公開（公告）號: CN110458057A
• 公開（公告）日: 2019-11-15
• 發明（設計）人: 雷建軍;李鑫宇;韓夢芯;李奕;石雅南;楊博蘭
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T3/60;G06T5/20
• 代理公司: 12201 天津市北洋有限責任專利代理事務所
• 代理人: 李林娟<國際申請>=<國際公布>=<進入

1.一種基于邊緣保持的卷積神經網絡高光譜圖像分類方法，其特征在于，所述方法包括以下步驟：

對原始高光譜圖像進行邊緣保持濾波處理，獲取濾波后圖像；

分別選取原始高光譜圖像和濾波后圖像的中心像素窗口內的像素作為像素塊；

對上述像素塊進行旋轉和變換，獲取數據增強后的像素塊；

將數據增強后的像素塊作為卷積神經網絡的輸入，通過卷積神經網絡提取空間-光譜特征。

2.根據權利要求1所述的一種基于邊緣保持的卷積神經網絡高光譜圖像分類方法，其特征在于，所述對上述像素塊進行旋轉和變換，獲取數據增強后的像素塊具體為：

采用了順時針旋轉、逆時針旋轉、行變換、列變換4種空間增強模式；

順時針旋轉，固定中心像素的位置，其余位置的像素以中心像素為中心向順時針方向移動n個位置，得到n個變換后的像素塊；同樣，逆時針旋轉也得到n個變換后的像素塊；

對于行變換，固定中心像素的位置，將所有行隨機交換順序或翻轉運算，并選擇其中的10種作為變換后的像素塊；列變換需要對像素塊先進行轉置運算；

再將這些像素塊轉為向量作為卷積神經網絡的輸入，且向量的第一個元素為各像素塊的中心像素。

3.根據權利要求1所述的一種基于邊緣保持的卷積神經網絡高光譜圖像分類方法，其特征在于，所述卷積神經網絡共有兩路圖像輸入，

一路為原始高光譜圖像，取中心像素周圍的像素塊作為待處理單元，訓練時經過空間增強策略處理；

另一路為經過變換域遞歸濾波處理后的濾波圖像，取中心像素周圍的像素塊，再經過空間增強后送入卷積神經網絡；

最后將兩路結果進行級聯，經過全連接層后送入softmax進行分類，得到中心像素的分類結果。