[發明專利]基于奇異值分解和空譜域注意力機制高光譜圖像分類方法

有效

• 申請號: 202010117283.3
• 申請日: 2020-02-25
• 公開（公告）號: CN111353531B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 馬文萍;李龍偉;朱浩;武越;周曉波
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82;G06N3/0464;G06N3/088;G06N3/048;G06N3/047
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.基于奇異值分解和空譜域注意力機制高光譜圖像分類方法，其特征在于，包括以下步驟：

S1、從數據集中讀入高光譜圖像，其中包括三個廣泛使用的高光譜圖像數據集，即Indian Pines數據集，Pavia University數據集和Salinas Valley數據集，選擇任一種且對應只有部分區域的類標ground truth圖進行處理；

S2、對樣本進行粗處理，構造基于奇異值分解卷積網絡的無監督特征提取模型；

S3、按照訓練集：驗證集：測試集＝10％：10％：80％的方式，選取訓練集、驗證集和測試集；

S4、對樣本進行細處理，構造基于空譜域注意力機制網絡的雙支路分類模型；

S5、利用訓練數據集對分類模型進行訓練，得到訓練好的分類模型；

S6、利用訓練好的分類模型對測試數據集進行分類，得到測試數據集中每個像素點的類別。

2.根據權利要求1所述的基于奇異值分解和空譜域注意力機制高光譜圖像分類方法，其特征在于，步驟S2具體為：

S201、隨機在原始圖像上選擇N個像素點，以每個像素為中心取鄰域7×7的區域作為樣本塊，輸入樣本塊，對樣本塊去平均處理；

S202、假設光譜維度為C，將處理后的樣本塊組合成一個新的矩陣X，矩陣X的大小為(7×7×C)×N，其中每一列為一個樣本塊，含有7×7×C個元素；

S203、對矩陣X進行奇異值分解操作，得到矩陣X的左奇異矩陣U；

S204、選擇左奇異矩陣U的前L個列向量，將每一個列向量組合成大小為7×7×C的卷積核，對原圖像做卷積操作，提取特征。

3.根據權利要求1所述的基于奇異值分解和空譜域注意力機制高光譜圖像分類方法，其特征在于，步驟S3具體為：

S301、在數據集的ground truth圖中找到有類標的點的坐標；

S302、對原始數據邊緣進行補0填充操作，邊緣填充的大小為上下各填充3行，左右各填充3列；

S303、根據ground truth圖的坐標，在數據集的原始圖像中找到有對應類標的像素點，以每個像素為中心取鄰域7×7的區域作為樣本塊，每個塊的鄰域為中心點的分類所服務；

S304、按照訓練集：驗證集：測試集＝10％：10％：80％在每類樣本中隨機選取相應數量的樣本作為訓練集、驗證集和測試集。

4.根據權利要求1所述的基于奇異值分解和空譜域注意力機制高光譜圖像分類方法，其特征在于，步驟S4具體為：

S401、針對樣本譜域的注意力機制網絡的支路；

S402、針對樣本空域的注意力機制網絡的支路；

S403、融合譜域與空域的特征，并對樣本分類。