[發明專利]一種高光譜遙感影像分類方法及裝置

在審

• 申請號: 202011009872.6
• 申請日: 2020-09-23
• 公開（公告）號: CN112101271A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 宋海峰;楊巍巍;于翔;戴松松;杜磊
• 申請（專利權）人: 臺州學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

一種高光譜遙感影像分類方法及裝置，屬于遙感影像處理技術領域。為了解決現有的基于CNN的高光譜遙感影像分類方法需要大量訓練樣本的問題，以及容易受到干擾因素的影響的問題。本發明所述先利用基礎特征提取模塊提取特征，然后分別送入光譜特征提取模塊和空間特征提取模塊提取光譜特征和空間特征，然后將特征融合模塊嵌入多尺度網絡中，通過共享不同尺度間的特征信息，增強網絡的信息流，有利于空譜特征的提取，改善分類精度。而且本發明提出了分段區間非對稱平方誤差損失函數，綜合考慮了訓練數據中每個樣本的數量及其類內的損失值，從而獲得上更細致、更精確的損失值。主要用于高光譜遙感影像的分類。

技術領域

本發明涉及一種高光譜遙感影像分類方法及裝置。屬于遙感影像處理技術領域。

背景技術

高光譜遙感影像分類是指對未標記的像素進行標號的過程，是一種重要的信息獲取手段。傳統的基于光譜特征匹配的分類方法利用測試樣本和光譜庫中已知的樣本進行匹配，并達到分類的目的，顯然，該方法嚴重依賴于光譜數據庫。近年來，隨著統計學習理論、模式識別和機器學習等理論的廣泛研究，許多基于統計學習的高光譜遙感影像分類算法被提出。現有的高光譜遙感圖像分類方法主要來源于統計學習算法，可以將分類算法分為三種：基于光譜信息的高光譜遙感影像分類算法、基于空譜信息的高光譜遙感影像分類算法和基于深度學習的高光譜遙感影像分類算法。

基于光譜信息的高光譜遙感影像分類算法是指：根據不同物體對入射光的反射率不同的性質，利用光譜特征曲線來描述遙感影像中每個像素的光譜信息，從而對高光譜遙感影像進行分類的方法。高斯最大似然分類法是一種經典的基于光譜信息的高光譜遙感圖像分類方法，它利用遙感數據的統計特性，假設每個像素服從多維高斯分布，根據最大似然準則建立非線性判別函數，計算樣本內屬于各類別的概率。由于高光譜遙感影像光譜維數較高，高斯最大似然分類法速度慢。為此，X.Jia和J.Richards提出分塊高斯最大似然分類算法，分塊高斯最大似然分類法的分類速度明顯加快。由于高光譜遙感圖像的覆蓋面積大，圖像校準困難，只能獲得少量有標簽的訓練樣本，在小樣本情況下，最大似然分類法的精度依然很低。為解決此問題，Vapnik等人提出的支持向量機(Support Vector Machines，SVM)能很好的適應小樣本的情況，所以在高光譜遙感圖像分類中得到了廣泛的應用。SVM以結構風險最小化為準則，對于有限的訓練樣本信息，在模型復雜度和方法能力之間尋求最佳的折衷。SVM在于尋找最佳的分類面，優化目標為找到分類面使得離它最近的訓練樣本的距離達到最大，因此，SVM獲得的分類超平面魯棒性強。由于高光譜遙感影像像素是非線性可分的，所以基于線性空間的SVM分類算法會限制高光譜遙感影像的分類精度。為此，G.Camps-valls和L.Bruzzone等人把核方法和SVM結合，得到核SVM，并應用到高光譜遙感影像分類中，使分類效果得到了較大的提升。然而，對于多光譜甚至高光譜遙感影像而言，光譜特征維數高達幾十到幾百維，在給定少量標注樣本的情況下，很容易導致過擬合現象。