[發明專利]基于非重復采樣與原型網絡的高光譜圖像分類方法

有效

• 申請號: 202010460841.6
• 申請日: 2020-05-27
• 公開（公告）號: CN111639697B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 張文博;茹穎;姬辛迪;柴新雨;段育松
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/77;G06V10/82;G06N3/0464;G06N3/048;G06N3/08
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

1.基于非重復采樣與原型網絡的高光譜圖像分類方法，其特征在于，包括如下：

(1)從高光譜數據庫中挑選出PaviaU，Pavia，Salinas，Indian_pines和Botswana五個數據集，分別進行讀取，得到每個數據集中三維矩陣數據域為m×n×h，其標簽域為二維矩陣m×n，其中h代表高光譜圖像的光譜維度，(m,n)表示某一光譜上像元的位置；

(2)對(1)中獲取的五個數據集，分別利用每個數據集中三維矩陣數據域進行數據歸一化處理、去除背景類和降維操作的預處理，以消除噪聲和冗余信息帶來的影響；

(3)劃分訓練集和測試集：在預處理后的五個數據集中，隨機在一個數據集中挑選出所有的樣本數大于200的類別，并用非重復采樣的方法分別從每類中采集200個樣本作為測試集，從剩余四個數據集中隨機抽取出N個樣本數大于200的類，再利用非重復采樣的方法，從每一類中采集200個樣本作為訓練集，N的取值根據不同的訓練集分別設置；

(4)構建依次由輸入數據→第一卷積層→第一RELU操作→第二卷積層→第二RELU操作→全連接層組成的高光譜圖像原型分類網絡；

(5)對高光譜圖像原型分類網絡進行訓練，得到訓練好的網絡最優模型；

(6)對測試集進行分類：

(6a)將測試集按照每類3：197的樣本比例劃分為測試支持集和測試查詢集；

(6b)將測試支持集輸入到(5)得到的網絡最優模型，得到測試查詢集中每一類的原型位置，并對測試查詢集中的樣本數據到對應類別的原型位置的距離做softmax邏輯回歸操作，得到測試數據分類結果。

2.根據權利要求1所述的方法，其特征在于：(2)中數據歸一化處理，其實現如下：

(2a)將步驟(1)中獲得的三維矩陣數據域m×n×h變換為二維矩陣[(m×n),h]；

(2b)采用Max-Min歸一化操作，遍歷h個光譜，再將每一個光譜中的m×n個數據，都映射到[0,1]范圍內，得到歸一化后的像元值x_ijs′：

其中，s表示高光譜圖像中的一個光譜段，(i,j)表示光譜段s中的一個像元的坐標，x_ijs表示光譜段s中的一個像元值，x_..smax,x_..smin分別表示在光譜段s中所有像元的最大值和最小值。

3.根據權利要求1所述的方法，其特征在于：(2)中去除背景類操作，是去除數據集中類別為0的樣本與標簽。

4.根據權利要求1所述的方法，其特征在于：(2)中的降維操作，是對去除背景類后的五個數據集進行主成分分析，得到三維矩陣m×n×p_n，其中p_n設置為50。

5.根據權利要求1所述的方法，其特征在于：(4)中高光譜圖像原型分類網絡的各層參數設置如下：

第一卷積層的特征映射圖總數為50，卷積核大小為3×3，卷積步長為1，填充值為1；

第二卷積層的特征映射圖總數為100，卷積核大小為3×3，卷積步長為1，填充值為0；

全連接層的輸入寬度為200，輸出寬度為9。