[發(fā)明專利]紅樹林高光譜圖像分類方法、裝置、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110685359.7
• 申請日: 2021-06-21
• 公開（公告）號: CN113420640B
• 公開（公告）日: 2023-06-20
• 發(fā)明（設(shè)計）人: 李巖山;唐浩勁;劉學(xué)鎮(zhèn);林華明;謝維信
• 申請（專利權(quán)）人: 深圳大學(xué)
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/50;G06V10/764;G06N3/0464;G06N3/08
• 代理公司: 深圳尚業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44503
• 代理人: 王利彬

1.一種紅樹林高光譜圖像分類方法，其特征在于，所述紅樹林高光譜圖像分類方法包括：

獲取紅樹林植被的高光圖譜圖像，并提取所述高光譜圖像中待識別區(qū)域的高光譜像元；

根據(jù)所述高光譜像元構(gòu)造對應(yīng)的三維局部立方體鄰域；

利用三維梯度直方圖特征算法，提取所述三維局部立方體鄰域中的特征描述子，得到局部空譜特征，其中所述局部空譜特征為由至少一個三維梯度直方圖特征組成的三維梯度直方圖特征序列；

基于所述三維梯度直方圖特征序列構(gòu)建樣本數(shù)據(jù)對，并將所述樣本數(shù)據(jù)對輸入至空譜孿生網(wǎng)絡(luò)中進(jìn)行相似度的計算，得到空譜特征相似度；

根據(jù)所述空譜特征相似度對所述高光譜圖像進(jìn)行分類。

2.根據(jù)權(quán)利要求1所述的紅樹林高光譜圖像分類方法，其特征在于，所述根據(jù)所述高光譜像元構(gòu)造對應(yīng)的三維局部立方體鄰域包括：

計算所述高光譜像元的空域信息和光譜域信息；

根據(jù)所述空域信息和光譜域信息確定所述高光譜像元的波段大小；

根據(jù)所述波段大小，構(gòu)造所述高光譜像元的三維局部立方體鄰域。

3.根據(jù)權(quán)利要求1所述的紅樹林高光譜圖像分類方法，其特征在于，所述利用三維梯度直方圖特征算法，提取所述三維局部立方體鄰域中的特征描述子，得到局部空譜特征包括：

提取所述三維局部立方體鄰域的三維平面信息；

利用三維梯度直方圖特征算法，提取所述三維平面信息中三個平面的每個像素點的梯度直方圖特征描述子；

根據(jù)從三個平面提取到的各像素點的所述梯度直方圖特征描述子進(jìn)行連接，得到局部空譜特征。

4.根據(jù)權(quán)利要求3所述的紅樹林高光譜圖像分類方法，其特征在于，所述利用三維梯度直方圖特征算法，提取所述三維平面信息中三個平面的每個像素點的梯度直方圖特征描述子包括：

計算所述三維平面信息中三個平面上的所有像素點的梯度大小和方向；

基于各平面的所述梯度大小和方向，設(shè)置平面對應(yīng)的梯度直方圖中塊的尺寸和直方圖的大小；

根據(jù)各平面的所述塊的尺寸和直方圖的大小，確定各平面的梯度直方圖特征描述子。

5.根據(jù)權(quán)利要求4所述的紅樹林高光譜圖像分類方法，其特征在于，所述根據(jù)從三個平面提取的各像素點的所述梯度直方圖特征描述子進(jìn)行連接，得到局部空譜特征包括：

將三個平面中的所有梯度直方圖特征描述子，按照相同像素點進(jìn)行分類，并將分類號的同像素點的梯度直方圖特征描述子進(jìn)行連接，得到每個像素點的三維梯度直方圖特征；

計算所述高光譜圖像中待識別區(qū)域的步長，以及各像素點的三維梯度直方圖特征之間的相關(guān)度；

根據(jù)所述步長和所述相關(guān)度，生成得到所述高光譜像元的局部空譜特征。

6.根據(jù)權(quán)利要求1-5中任一項所述的紅樹林高光譜圖像分類方法，其特征在于，所述基于所述三維梯度直方圖特征序列構(gòu)建樣本數(shù)據(jù)對，并將所述樣本數(shù)據(jù)對輸入至空譜孿生網(wǎng)絡(luò)中進(jìn)行相似度的計算，得到空譜特征相似度包括：

將所述三維梯度直方圖特征序列中的每個三維梯度直方圖特征分別與預(yù)設(shè)的同類基準(zhǔn)樣本和異類基準(zhǔn)樣本進(jìn)行組合，生成至少一個樣本數(shù)據(jù)對，其中每個樣本數(shù)據(jù)對包括一個正樣本和一個反樣本；

將所述正樣本和反樣本同時輸入至空譜孿生網(wǎng)絡(luò)中計算所述正樣本和反樣本之間的相似度，得到空譜特征相似度。

7.根據(jù)權(quán)利要求6所述的紅樹林高光譜圖像分類方法，其特征在于，所述空譜孿生網(wǎng)絡(luò)包括一維卷積層和對比損失函數(shù)層，所述將所述正樣本和反樣本同時輸入至空譜孿生網(wǎng)絡(luò)中計算所述正樣本和反樣本之間的相似度，得到空譜特征相似度包括：

將所述正樣本和反樣本同時輸入至所述一維卷積層中，通過所述一維卷積層對所述正樣本和反樣本進(jìn)行卷積計算，得到對應(yīng)的特征向量；

將所述特征向量輸入至所述對比損失函數(shù)層進(jìn)行距離計算，得到各三維梯度直方圖特征的歐氏距離值；

根據(jù)各三維梯度直方圖特征的歐氏距離值計算空譜特征相似度。