[發(fā)明專利]基于偽標簽學習的小樣本高光譜圖像分類方法

有效

• 申請?zhí)枺?/td>: 202010167527.9
• 申請日: 2020-03-11
• 公開（公告）號: CN111401426B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計）人: 魏巍;李宇;張磊
• 申請（專利權(quán)）人: 西北工業(yè)大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西北工業(yè)大學專利中心 61204
• 代理人: 常威威

本發(fā)明提供了一種基于偽標簽學習的小樣本高光譜圖像分類方法。首先，以高光譜像素點為中心對其周圍像素采樣，生成高光譜樣本，以少量帶標簽樣本構(gòu)建小樣本數(shù)據(jù)集，并利用其為未標記樣本分配軟?偽標簽，從而得到輔助數(shù)據(jù)集；然后，使用小樣本數(shù)據(jù)集和輔助數(shù)據(jù)集共同訓練由共享的特征提取器和兩個不同的分類器構(gòu)成的二分支深度神經(jīng)網(wǎng)絡(luò)；最后，利用訓練好的網(wǎng)絡(luò)對測試數(shù)據(jù)預(yù)測標簽，實現(xiàn)分類處理。本發(fā)明方法通過有效地利用未標記樣本的潛在信息，可以提高小樣本高光譜圖像分類的準確率。

技術(shù)領(lǐng)域

本發(fā)明屬高光譜圖像處理技術(shù)領(lǐng)域，具體涉及一種基于偽標簽學習的小樣本高光譜圖像分類方法。

背景技術(shù)

高光譜圖像可表示為3維數(shù)據(jù)立方體，包含豐富的空-譜信息，因此被廣泛應(yīng)用于遙感領(lǐng)域，如環(huán)境監(jiān)測、軍事監(jiān)視等。高光譜圖像分類是高光譜圖像分析的重要任務(wù)之一，旨在為每個像素分配預(yù)定義的類別標簽。許多傳統(tǒng)的機器學習方法被應(yīng)用于高光譜圖像分類，但是其固有的淺層結(jié)構(gòu)很難高效的學習判別特征，因此其分類性能有待提高。不同于傳統(tǒng)的機器學習方法，深度神經(jīng)網(wǎng)絡(luò)具有強大的特征表示能力，同時為解決深層神經(jīng)網(wǎng)絡(luò)的梯度消失問題，文獻“Zhong Z,Li J,Luo Z,et al.Spectral–spatial residual networkfor hyperspectral image classification:A3-D deep learning framework[J].IEEETransactions on Geoscience and Remote Sensing,2017,56(2):847-858.”使用殘差學習結(jié)構(gòu)分別提取光譜和空間特征對高光譜圖像進行分類，取得了不錯效果。但是深度神經(jīng)網(wǎng)絡(luò)的成功依賴于大量的標記樣本，這在實際應(yīng)用中是難以獲得的，因此需要使用有限的標記樣本訓練高精度的深度神經(jīng)網(wǎng)絡(luò)模型。而僅使用少量標記樣本進行訓練又會導致模型過擬合，無法在測試數(shù)據(jù)上有效泛化。

發(fā)明內(nèi)容

為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于偽標簽學習的小樣本高光譜圖像分類方法。首先，以高光譜像素點為中心對其周圍像素進行采樣，生成高光譜樣本，以少量帶標簽的高光譜樣本構(gòu)建小樣本數(shù)據(jù)集，并利用其為未標記樣本分配軟-偽標簽，從而得到輔助數(shù)據(jù)集；然后，使用小樣本數(shù)據(jù)集和輔助數(shù)據(jù)集共同訓練由共享的特征提取器和兩個不同的分類器構(gòu)成的二分支深度神經(jīng)網(wǎng)絡(luò)；最后，利用訓練好的網(wǎng)絡(luò)對測試數(shù)據(jù)預(yù)測標簽，實現(xiàn)分類處理。本發(fā)明方法通過有效地利用未標記樣本的潛在信息，可以提高小樣本高光譜圖像分類的準確率。

一種基于偽標簽學習的小樣本高光譜圖像分類方法，其步驟如下：

步驟1：以高光譜像素點為中心對其周圍像素進行采樣，生成高光譜數(shù)據(jù)樣本，并以帶標簽的樣本構(gòu)成小樣本數(shù)據(jù)集T＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，其中，表示第i個標記樣本，w為采樣窗口的大小，w取值為3、5或7，d為高光譜圖像的波段數(shù)，為第i個標記樣本的標簽，標簽y_i采用獨熱編碼的形式，為L維向量，L為類別數(shù)，i＝1,2,…,n，n為標記樣本數(shù)量；以無標簽樣本構(gòu)成測試數(shù)據(jù)集U＝{z₁,z₂,…,z_m}，其中，表示第j個未標記樣本，j＝1,2,…,m，m為未標記樣本的數(shù)量；所述的標記樣本數(shù)量n的取值為L、3*L、5*L，所述的未標記樣本數(shù)量m的取值為樣本總數(shù)與標記樣本數(shù)量之差；