[發明專利]一種基于全局膠囊神經網絡的高光譜遙感圖像分類方法

在審

• 申請號: 202111113223.5
• 申請日: 2021-09-18
• 公開（公告）號: CN113920393A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 鄧政;趙艮平;王卓薇;吳衡;程良倫
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

1.一種基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，包括以下步驟：

S1：圖像預處理；

S2：對全局膠囊神經網絡模型進行訓練；

S3：對訓練好的模型進行測試。

2.根據權利要求1所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述步驟S1的具體過程是：

S11：將高光譜圖像先通過reshape再進行歸一化處理操作之后再使用PCA進行降維處理獲取到前三個主成分，接著對數據邊緣進行填充操作；

S12：獲取數據塊，從降維并歸一化后的高光譜圖像中分別提取以待分類像元為中心的H×W×C鄰域范圍內的高光譜數據塊P_H×W×C作為輸入的圖像特征，C是降維后高光譜圖像通道數，所取的數據塊大小為27×27×3，把它們劃分為訓練集、驗證集與測試集。

3.根據權利要求2所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述步驟S2的具體過程是：

S21：利用5×5卷積核對訓練集中大小為27×27×3高光譜數據塊進行卷積處理，得到256張卷積特征圖；

S22：將256張卷積特征圖輸入到整合全局信息的全局塊進行處理，得到256張大小為23×23的全局特征圖；

S23：接著利用3×3卷積核對步驟2中獲取的256張全局特征圖進行卷積操作處理，得到128張大小為21×21的卷積特征圖；

S24：將128張特征圖輸入到Primary Caps層通過動態路由算法迭代并經過自注意力模塊處理之后封裝成3200×8的膠囊向量；

S25：將3200×8的膠囊向量輸入到Class Caps層，最終得到9個類別膠囊向量，每個膠囊向量的模長代表了對應類別的存在概率；

S26：通過對應類別的存在概率來計算出margin loss的分類損失，并利用Adam優化器進行模型各項參數的優化，同時保存下在驗證集中損失函數最小的分類模型作為最終的測試模型。

4.根據權利要求3所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述步驟S3的具體過程是：

將劃分好的測試集高光譜數據塊輸入到測試模型中，得到最終分類結果，同時將整個高光譜數據集輸入到模型中，得到整個高光譜圖像的分類效果圖。

5.根據權利要求4所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，步驟S24中，動態路由算法迭代如下：

其中，v_j表示激活函數層的第j個輸出向量，s_j表示激活函數層的第j個輸入向量，||s_j||表示1范數操作，||s_j||²表示2范數操作。

6.根據權利要求1-5任一項所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述全局膠囊神經網絡包括2個Conv2D卷積層、1個全局塊、1個PrimaryCaps層、1個自注意力模塊和1個Class Caps層。

7.根據權利要求6所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述的2Conv2D卷積層分別為5×5、3×3的卷積層，其中，5×5的卷積層的卷積核個數為256，3×3的卷積層的卷積核個數為128；1個全局塊用于對高光譜輸入圖像整合全局信息，全局塊包括4個1×1Conv2D卷積層、2個dot矩陣乘法操作和1個add矩陣加法操作，其中，3個1×1Conv2D卷積層的卷積核個數為128，1個1×1Conv2D卷積層的卷積核個數為256。

8.根據權利要求7所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述的Primary Caps層總共有32個膠囊，經過自注意力模塊處理之后每個輸出一個由3×3卷積核生成的8維向量。

9.根據權利要求8所述的基于全局膠囊神經網絡的高光譜遙感圖像分類方法，其特征在于，所述Class Caps層中有n個膠囊，每個膠囊輸出一個16維的向量，代表一個類的實體。