[發明專利]一種高光譜圖像分類方法、裝置以及計算設備

在審

• 申請號: 202011498866.1
• 申請日: 2020-12-16
• 公開（公告）號: CN112560960A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 樊碩
• 申請（專利權）人: 北京影譜科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/00;G06N3/04
• 代理公司: 北京萬思博知識產權代理有限公司 11694
• 代理人: 姜楠楠

1.一種高光譜圖像分類方法，包括：

采用半監督學習策略對原始訓練集進行擴充，得到第一訓練集D；

采用OCSP算法對所述第一訓練集進行擴充，得到第二訓練集D′；

利用FD對單卷積層神經網絡進行訓練，得到訓練后的單卷積層神經網絡，FD＝{D，D′}；

利用所述訓練后的單卷積層神經網絡對待分類的高光譜圖像進行分類。

2.根據權利要求1所述的方法，其特征在于，所述的采用半監督學習策略對原始訓練集進行擴充，得到第一訓練集D包括：

將集合初始化為空集，k表示循環的次數；

將當前訓練集中未標記的訓練樣本X_i表示為計算得到系數

其中，v表示所述訓練樣本X_i上下左右四個方向的直接鄰域像素，v＝1，2，3，4，i＝1，2，…，n，表示第k次迭代循環中的訓練樣本集，

λ為全局正則化參數，m為中訓練樣本的數量；

根據所述系數計算屬于每個類別c的分數豐度

利用樣本對進行更新：如果則將樣本分配給類別標簽并將該樣本添加到中，所述Td為預設的閾值；采用同樣的方式，利用內每個訓練樣本的四個直接鄰域樣本對進行更新，得到第k個循環中的增廣訓練集

如果所述增廣訓練集中沒有像素被包圍所述增廣訓練集的訓練樣本數量滿足要求，則將所述增廣訓練集作為第一訓練集D；否則，進入第k+1個循環。

3.根據權利要求1或2所述的方法，其特征在于，所述的采用OCSP算法對所述第一訓練集D進行擴充，得到第二訓練集D′包括：

根據所述第一訓練集D中訓練樣本的光譜范圍生成人工樣本集R；

對所述人工樣本集R施加梯度約束，以對所述人工樣本集R中的樣本進行過濾，得到合成樣本R_u；

通過計算相應的正交互補子空間其中I是單位矩陣，D^#表示D的偽逆，并通過計算來獲得樣本集R_u在第一訓練集D上的正交子空間的投影，在D中選擇投影數值小于Ng的樣本作為最終通過OCSP得到的訓練集，即第二訓練集D′，其中，Ng是預定義的一個參數。

4.根據權利要求1-3中任一項所述的方法，其特征在于，所述的單卷積層神經網絡依次包括輸入層、卷積層、最大池化層、全連接層和輸出層。

5.根據權利要求4所述的方法，其特征在于，所述卷積層使用tanh作為激活函數，所述最大池化層使用maxpooling作為激活函數，所述全連接層使用tanh作為激活函數，所述輸出層使用softmax作為激活函數。

6.一種高光譜圖像分類裝置，包括：

第一數據擴充模塊，其配置成采用半監督學習策略對原始訓練集進行擴充，得到第一訓練集D；

第二數據擴充模塊，其配置成采用OCSP算法對所述第一訓練集進行擴充，得到第二訓練集D′；

訓練模塊，其配置成利用FD對單卷積層神經網絡進行訓練，得到訓練后的單卷積層神經網絡，FD＝{D，D′}；和

分類模塊，其配置成利用所述訓練后的單卷積層神經網絡對待分類的高光譜圖像進行分類。