[發明專利]一種面向高光譜圖像的深度空譜子空間聚類方法

有效

• 申請號: 202011026917.0
• 申請日: 2020-09-25
• 公開（公告）號: CN112215267B
• 公開（公告）日: 2022-11-01
• 發明（設計）人: 彭勃;姚宇軒;雷建軍;李鑫宇;秦天一;石雅南
• 申請（專利權）人: 天津大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/772;G06V10/774
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.一種面向高光譜圖像的深度空譜子空間聚類方法，其特征在于，所述方法包括：

構建多尺度編碼器網絡以提取不同尺度像素塊的多尺度空譜特征，編碼器網絡利用M層2D卷積操作提取不同尺度像素塊的空譜特征表示；

基于多尺度空譜特征表示構建協同約束的多尺度自表達層，各自表達層以各像素塊的空譜特征表示為字典，通過像素塊空譜特征表示間的相互表達重建各像素塊特征；

引入多尺度解碼器網絡，所述多尺度解碼器網絡利用M層2D反卷積操作重建出輸入的像素塊；

構建由單一尺度自表達損失函數、不同尺度間自表達相似性損失函數、重建損失函數組成的總體損失函數；

基于總體損失函數訓練模型，以獲得各自表達層參數矩陣，進而獲取到最終的自表達重建系數矩陣以此計算相似度矩陣，獲取最終聚類結果；

其中，所述單一尺度自表達損失函數用于通過最小化空譜特征表示與自表達層輸出特征之間的誤差，激勵編碼器網絡學習到更適合子空間聚類的特征表示；

其中，為尺度i上的空譜特征矩陣；表示尺度i的自表達系數矩陣，n表示多尺度的數目；

所述不同尺度間自表達相似性損失函數用于保證各自表達層參數間的一致性，最小化不同自表達層參數之間的差異；

所述重建損失函數用于計算輸入像素塊和重建像素塊之間的重建誤差；

其中，n表示多尺度的數目，表示為第i個尺度上所有中心像素的像素塊，為編碼器網絡輸出的尺度i的重建像素塊。

2.根據權利要求1所述的一種面向高光譜圖像的深度空譜子空間聚類方法，其特征在于，所述編碼器網絡利用M層2D卷積操作提取不同尺度像素塊的空譜特征表示具體為：

其中，m為像素個數，為第i個尺度上m個像素的空譜特征表示構成的空譜特征矩陣，為第i個尺度上第j個像素的空譜特征表示，l_i為第i個尺度空譜特征表示的維度，R為實數域；

編碼器網絡表示為：

其中，表示第i個尺度編碼器網絡的非線性映射函數，θ_Ei表示該編碼器網絡的參數。

3.根據權利要求1所述的一種面向高光譜圖像的深度空譜子空間聚類方法，其特征在于，

所述基于多尺度空譜特征表示構建協同約束的多尺度自表達層用于建模不同尺度像素塊的自表達子空間特性；

對于尺度i上的空譜特征矩陣以作為字典通過特征表示間的相互表達獲得尺度i的自表達特征其中表示尺度i的自表達系數矩陣。

4.根據權利要求3所述的一種面向高光譜圖像的深度空譜子空間聚類方法，其特征在于，所述多尺度解碼器網絡與多尺度編碼器網絡結構對稱，公式表示為：

其中，表示第i個尺度解碼器網絡的操作，θ_Di表示該解碼器網絡的參數。