[發(fā)明專利]基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010622917.0
• 申請(qǐng)日: 2020-06-30
• 公開（公告）號(hào): CN111783884A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 郭延輝;智緒威;曲富麗;于謙
• 申請(qǐng)（專利權(quán)）人: 山東女子學(xué)院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 符繼超

本發(fā)明公開的一種基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法，包括引入高光譜圖像的負(fù)樣本，結(jié)合原始高光譜圖像構(gòu)成高光譜圖像樣本，將高光譜圖像樣本劃分為訓(xùn)練數(shù)據(jù)和待預(yù)測(cè)數(shù)據(jù)，并進(jìn)行維度壓縮，得到壓縮后的訓(xùn)練數(shù)據(jù)和待預(yù)測(cè)數(shù)據(jù)；對(duì)壓縮后的訓(xùn)練數(shù)據(jù)進(jìn)行自回歸，生成上下文信息；根據(jù)上下文信息和壓縮后待預(yù)測(cè)數(shù)據(jù)之間的互信息進(jìn)行高光譜圖像樣本的自身預(yù)測(cè)，得到對(duì)比預(yù)測(cè)編碼器；將預(yù)測(cè)編碼器應(yīng)用在待分類高光譜圖像上，得到特征數(shù)據(jù)，使用K?Means聚類算法，對(duì)特征數(shù)據(jù)進(jìn)行無監(jiān)督分類。本發(fā)明避免了繁重的數(shù)據(jù)標(biāo)注工作，提高了高光譜圖像無監(jiān)督分類的精確性。

技術(shù)領(lǐng)域

本發(fā)明屬于遙感通信技術(shù)領(lǐng)域，涉及一種基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法。

背景技術(shù)

遙感技術(shù)是指利用航天設(shè)備攜帶的傳感器采集地表信息的勘測(cè)技術(shù)。自興起以來，遙感技術(shù)發(fā)展十分迅速，遙感傳感器收集數(shù)據(jù)經(jīng)歷了由光學(xué)拍攝到計(jì)算機(jī)掃描的跨越，這使得遙感圖像可以包含更多角度、更大范圍內(nèi)的地表信息。與傳統(tǒng)航拍圖像不同，遙感圖像同時(shí)攜帶光譜信息和空間信息，能夠?qū)崿F(xiàn)圖譜合一。按照光譜分辨率不同，通常將遙感圖像劃分為：多光譜圖像、高光譜圖像、超光譜圖像三類。目前應(yīng)用最廣泛的是高光譜圖像。

成像光譜儀的快速發(fā)展促進(jìn)了多光譜遙感探測(cè)轉(zhuǎn)向高光譜遙感探測(cè)的進(jìn)程，遙感探測(cè)技術(shù)也由寬波探測(cè)拓展到窄波探測(cè)。高光譜圖像比多光譜圖像包含更為細(xì)致的地表信息，其覆蓋從可見光至中紅外波段的電磁波，擁有納米級(jí)光譜分辨率。最重要的是高光譜圖像提升了地表建筑的可分辨率，也就是說，在寬波中無法被探測(cè)識(shí)別的物體，在窄波中可以被探測(cè)識(shí)別。不僅如此，因?yàn)椴煌矬w對(duì)成像傳感器發(fā)出的電磁波產(chǎn)生的回應(yīng)程度不同，所以地表各類建筑在高光譜圖像中具有不同的光譜信息，借助這個(gè)特性，可以實(shí)現(xiàn)地表建筑有效分類。

高光譜圖像在諸多行業(yè)之中被普遍運(yùn)用。在軍事方面，依靠高分辨率光譜信息，可以探測(cè)偽裝的軍事工程，掌握敵方軍事部署。在民用方面，高光譜圖像被應(yīng)用在：污染檢測(cè)、地質(zhì)調(diào)查、資源勘探等領(lǐng)域。正確處理和識(shí)別高光譜圖像中包含的信息是將其優(yōu)勢(shì)發(fā)揮的關(guān)鍵。需要知道，高光譜圖像包含豐富信息的同時(shí)，也伴隨著數(shù)據(jù)冗余性高、數(shù)據(jù)關(guān)聯(lián)性強(qiáng)、“同物異譜”和“同譜異物”等缺陷，這無疑加重了識(shí)別分類的難度。從冗余數(shù)據(jù)中，提取數(shù)據(jù)特征是提高識(shí)別分類效率的重要方式。

目前高光譜圖像分類問題，采用有監(jiān)督分類算法已經(jīng)取得了相當(dāng)不錯(cuò)的成績(jī)，采用有監(jiān)督分類算法對(duì)高光譜圖像進(jìn)行分類的精度已經(jīng)達(dá)到99％以上，這充分說明了有監(jiān)督分類算法的有效性。但是有監(jiān)督分類算法最大的特點(diǎn)也是其最大的短板，它要求輸入的高光譜圖像要事先標(biāo)注好類別。我們知道高光譜圖像本身結(jié)構(gòu)復(fù)雜，一般采取人工標(biāo)注的方式獲取標(biāo)簽，數(shù)據(jù)預(yù)處理這部分工作耗時(shí)耗力，成本很大。標(biāo)簽的存在，使得高光譜圖像本身攜帶的信息結(jié)構(gòu)被忽視。

因此，提供一種避免了繁重的數(shù)據(jù)標(biāo)注工作，提高高光譜圖像分類精確性的基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法是本領(lǐng)域技術(shù)人員亟待解決的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明針對(duì)上述研究現(xiàn)狀和存在的問題，提供了一種基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法，選擇合適的無監(jiān)督特征提取算法，分析將其應(yīng)用于高光譜圖像上的可行性。使用無監(jiān)督特征提取算法得到的數(shù)據(jù)，采用K-Means算法對(duì)這部分?jǐn)?shù)據(jù)進(jìn)行無監(jiān)督分類，根據(jù)高光譜圖像的特點(diǎn)，優(yōu)化算法結(jié)構(gòu)，并評(píng)價(jià)特征提取算法的效率及分類結(jié)果的精確度。

為實(shí)現(xiàn)上述目的其具體方案如下：

一種基于深度學(xué)習(xí)的無監(jiān)督高光譜圖像分類方法，包括如下步驟：

S1、引入高光譜圖像的負(fù)樣本，結(jié)合原始高光譜圖像構(gòu)成高光譜圖像樣本，將高光譜圖像樣本劃分為訓(xùn)練數(shù)據(jù)和待預(yù)測(cè)數(shù)據(jù)，并對(duì)分別對(duì)二者進(jìn)行維度壓縮，得到壓縮后的訓(xùn)練數(shù)據(jù)和待預(yù)測(cè)數(shù)據(jù)；

S2、對(duì)壓縮后的訓(xùn)練數(shù)據(jù)進(jìn)行自回歸，生成上下文信息；