[發明專利]一種改進型3D卷積網絡高光譜遙感影像分類方法及裝置

在審

• 申請號: 202011276561.6
• 申請日: 2020-11-16
• 公開（公告）號: CN112560894A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 姜益民;羅冷坤;洪勇;程志超
• 申請（專利權）人: 武漢光谷信息技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 高蘭

1.一種改進型3D卷積網絡高光譜遙感影像分類方法，其特征在于，包括以下步驟：

計算高光譜遙感影像中所有波段樣本點的標準分數總和，進行評價和排序，從排序中選取質量更好的多個波段以實現降維處理；

對降維后的影像數據進行切割處理；

將切割處理所獲取的影像塊作為改進型3D卷積神經網絡結構的輸入，完成對高光譜遙感影像的分類預測；

所述改進型3D卷積神經網絡結構分為兩部分，第一部分包含一層輸入層，三層雙卷積池化結構，每層卷積層后連接一個BN層、激勵操作層、池化層；第二部分包含一層全連接層，一層softmax分類層，在全連接層后連接一個BN層、一個激勵操作層和一個Dropout層。

2.根據權利要求1所述的方法，其特征在于，所述的標準分數的計算公式如下：

式中，為標準分數，為具體分數，為分數平均數，為分數標準差；

某一波段的標準分數總和的計算方法如下：

式中，表示第類第個波段的所有像素點，表示第類的像素個數，表示求平均值操作，表示求標準差操作，表示求和操作。

3.根據權利要求1所述的方法，其特征在于，所述的對降維后的影像數據進行切割處理，包括：

所述高光譜遙感影像數據包括圖像數據和與所述圖像數據對應的標簽數據；

采用滑窗切割方式，分別對圖像數據和標簽數據進行切割，得到影像塊：

將圖像數據切割成相鄰的大小為的圖像塊，切割后的圖像塊的維度為,為降維處理后影像的波段數；

將標簽數據切割成相鄰的大小為的標簽塊，切割后的標簽塊的維度為；

一個所述影像塊包括一個圖像塊以及與其對應的標簽塊。

4.根據權利要求1所述的方法，其特征在于，所述激勵操作層采用ReLU激活函數進行激勵操作，池化層采用最大池化。

5.根據權利要求4所述的方法，其特征在于，在所述改進型3D卷積神經網絡結構中，神經元在的值為：

其中表示第層神經元，表示第個特征圖，和是卷積核的高和寬，是卷積核沿著光譜維度的維數大小，表示與前一層中連接的特征個數，與每層的特征維度相關；是與第個特征中第個神經元連接的權重，為神經元在第層神經元上第個特征圖的偏差值；是激活函數，采用ReLU激活函數。

6.一種改進型3D卷積網絡高光譜遙感影像分類裝置，其特征在于，包括：

降維處理模塊，用于計算高光譜遙感影像中所有波段樣本點的標準分數總和，進行評價和排序，從排序中選取質量更好的多個波段以實現降維處理；

切割處理模塊，用于對降維后的影像數據進行切割處理；

分類預測模塊，用于將切割處理所獲取的影像塊作為改進型3D卷積神經網絡結構的輸入，完成對高光譜遙感影像的分類預測；

所述改進型3D卷積神經網絡結構分為兩部分，第一部分包含一層輸入層，三層雙卷積池化結構，每層卷積層后連接一個BN層、激勵操作層、池化層；第二部分包含一層全連接層，一層softmax分類層，在全連接層后連接一個BN層、一個激勵操作層和一個Dropout層。

7.一種電子設備，其特征在于，包括：

存儲器，用于存儲計算機軟件程序；

處理器，用于讀取并執行所述存儲器中存儲的計算機軟件程序，進而實現權利要求1-5任一項所述的一種改進型3D卷積網絡高光譜遙感影像分類方法。

8.一種非暫態計算機可讀存儲介質，其特征在于，該存儲介質中存儲有用于實現權利要求1-5任一項所述的一種改進型3D卷積網絡高光譜遙感影像分類方法。