[發明專利]一種基于Triple GAN的高光譜圖像分類方法

有效

• 申請號: 202010847535.8
• 申請日: 2020-08-21
• 公開（公告）號: CN112115795B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 薛朝輝;鄭曉菡
• 申請（專利權）人: 河海大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/40;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 田凌濤

1.一種基于Triple GAN的高光譜圖像分類方法，其特征在于：首先執行如下步驟A至步驟F，實現圖像分類模型的獲得；然后針對目標高光譜圖像，應用圖像分類模型，執行如下步驟I至步驟III，實現目標高光譜圖像的分類；

步驟A.收集分別對應于各預設實際分類的各幅高光譜樣本圖像，構建樣本圖像集，然后進入步驟B；

步驟B.針對樣本圖像集中的各幅高光譜樣本圖像，分別執行主成分分析法進行降維操作，更新樣本圖像集中的各幅高光譜樣本圖像，然后進入步驟C；

步驟C.分別針對樣本圖像集中的各幅高光譜樣本圖像，獲得高光譜樣本圖像所對應預設各種待選圖像特征，即獲得樣本圖像集中各幅高光譜樣本圖像分別所對應的各種待選圖像特征，然后進入步驟D；

步驟D.分別針對各種待選圖像特征，以樣本圖像集中各幅高光譜樣本圖像分別對應的待選圖像特征為輸入，應用Triple GAN分類網絡針對樣本圖像集中的各幅高光譜樣本圖像進行分類，獲得樣本圖像集中各幅高光譜樣本圖像分別基于該待選圖像特征的網絡分類，并結合樣本圖像集中各幅高光譜樣本圖像分別對應的實際分類，獲得樣本圖像集中全部高光譜樣本圖像基于該待選圖像特征的分類準確率；進而獲得樣本圖像集中全部高光譜樣本圖像分別基于各種待選圖像特征的分類準確率，然后進入步驟E；

步驟E.根據樣本圖像集中全部高光譜樣本圖像分別基于各種待選圖像特征的分類準確率，選擇最高分類準確率所對應的待選圖像特征，作為樣本圖像集所對應的目標圖像特征，然后進入步驟F；

步驟F.以樣本圖像集中各幅高光譜樣本圖像分別對應的目標圖像特征為輸入，各幅高光譜樣本圖像分別對應的實際分類為輸出，針對Triple GAN分類網絡進行訓練，獲得訓練后的分類網絡，即構成圖像分類模型；

步驟I.針對目標高光譜圖像執行主成分分析法進行降維操作，更新目標高光譜圖像，然后進入步驟II；

步驟II.獲得目標高光譜圖像所對應的目標圖像特征，然后進入步驟III；

步驟III.以目標高光譜圖像所對應的目標圖像特征為輸入，應用圖像分類模型針對目標高光譜圖像進行分類，獲得目標高光譜圖像的分類結果。

2.根據權利要求1所述一種基于Triple GAN的高光譜圖像分類方法，其特征在于：所述步驟C中，預設各種待選圖像特征包括灰度共生矩陣特征、Gabor濾波特征、形態學剖面特征、形態學屬性剖面特征，即獲得樣本圖像集中各幅高光譜樣本圖像分別所對應灰度共生矩陣特征、Gabor濾波特征、形態學剖面特征、形態學屬性剖面特征。