[發明專利]一種基于塊平滑神經網絡的高光譜數據分析方法和系統有效
| 申請號： | 202011059204.4 | 申請日： | 2020-09-30 |
| 公開（公告）號： | CN112381756B | 公開（公告）日： | 2022-12-16 |
| 發明（設計）人： | 周松斌;劉憶森;邱澤帆 | 申請（專利權）人： | 廣東省科學院智能制造研究所 |
| 主分類號： | G06T7/00 | 分類號： | G06T7/00;G06V10/26;G06V10/774;G06V10/82;G06N3/04 |
| 代理公司： | 廣州容大知識產權代理事務所(普通合伙) 44326 | 代理人： | 劉新年 |
| 地址： | 510070 廣東省*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 平滑 神經網絡 光譜 數據 分析 方法 系統 | ||
1.一種基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，包括：
采集每個待分析樣本的高光譜圖像；
對所述高光譜圖像進行分割，得到每個待分析樣本的有效像素；
基于所有待分析樣本的有效像素得到總體平均光譜，在每個待分析樣本的有效像素范圍內，選擇n個隨機位置的有效像素矩形塊，獲取所述有效像素矩形塊在光譜維的平均值，得到n個塊平均光譜；
將總體平均光譜和n個塊平均光譜作為一個待分析樣本的數據，構建訓練集和測試集，并進行神經網絡訓練，具體包括：
構建平滑神經網絡，所述平滑神經網絡包括一維卷積層、一維池化層、全連接層和輸出層；
構建平滑神經網絡損失函數：
L＝α*Lmean+β*Lpatch+γ*Lsmooth
其中，Lmean為總體平均光譜損失函數，Lpatch為塊光譜損失函數，Lsmooth為塊平滑損失函數；α、β、γ為取值于[0，1]之間的常系數；
采用梯度下降方法訓練塊平滑神經網絡損失函數，得到用于對待分析樣本進行預測的塊平滑神經網絡。
2.根據權利要求1所述的基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，所述總體平均光譜損失函數為平均光譜預測輸出與待分析樣本標簽值之間的損失函數：
其中，為總體平均光譜通過網絡后得到的預測值，y為待分析樣本真值。
3.根據權利要求1所述的基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，所述塊光譜損失函數為塊光譜預測輸出均值與待分析樣本標簽值之間的損失函數：
其中，為每個塊平均光譜通過網絡后得到的預測值，y為待分析樣本真值。
4.根據權利要求1所述的基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，所述塊平滑損失函數為將光譜塊兩兩組對，以塊距離為系數約束其預測值差距：
其中，和分別為兩個不同塊平均光譜的預設值，Dij為塊平均光譜i和塊平均光譜j之間的歐式距離；y為待分析樣本真值；為塊平均光譜i的中心坐標，為塊平均光譜j的中心坐標。
5.根據權利要求1所述的基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，進行神經網絡訓練時，所述塊平均光譜和所述總體平均光譜共用一套神經網絡參數。
6.根據權利要求1所述的基于塊平滑神經網絡的高光譜數據分析方法，其特征在于，還包括：
基于訓練好的塊平滑神經網絡進行樣本預測，樣本預測結果為總體平均光譜預測值和塊平均光譜預測值的融合結果，預測輸出為：
其中，ymean為總體平均光譜經過塊平滑神經網絡得到的預測值，為每個塊平均光譜經過塊平滑神經網絡得到的預測值，α’、β’取值為0.5。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東省科學院智能制造研究所，未經廣東省科學院智能制造研究所許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011059204.4/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種攝影畫專用紙及其制備方法
- 下一篇：一種含鎳鈷錳氫氧化物高鐵料處理方法
