[發明專利]一種高光譜特征提取方法、裝置及存儲介質

在審

• 申請號: 202210277342.2
• 申請日: 2022-03-17
• 公開（公告）號: CN114742985A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 于文博;黃鶴;沈綱祥
• 申請（專利權）人: 蘇州大學
• 主分類號: G06V10/143
• 分類號: G06V10/143;G06V10/58;G06V10/82;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 蘇州市中南偉業知識產權代理事務所(普通合伙) 32257
• 代理人: 李柏柏

1.一種高光譜特征提取方法，其特征在于，包括：

選取高光譜圖像進行歸一化處理得到原域高光譜圖像X×Y×B，X和Y是各波長下高光譜圖像的空間尺寸，B是高光譜圖像的波段個數，設置鄰域滑動窗口s，嵌入維數為d，對所述原域高光譜圖像的每一個高光譜像元選取其周圍尺寸為s×s的鄰域像元作為該像元的空間數據，得到鄰域高光譜空間數據集；

將所述原域高光譜圖像和所述鄰域高光譜空間數據集輸入預先訓練好的高光譜深度網絡模型中；

將所述鄰域高光譜空間數據集輸入靜態空間維序貫特征提取模塊中，所述鄰域高光譜空間數據集經過尺寸變換層后輸入m個靜態單元，所述靜態單元包括雙向長短期記憶層、第一平均池化層和靜態注意力層，利用所述靜態注意力層計算所述第一平均池化層輸出結果的歐式權重矩陣和光譜權重矩陣，并分別進行歸一化操作，將所述歐式權重矩陣和所述光譜權重矩陣按位相乘得到靜態權重矩陣，利用所述靜態權重矩陣計算得到輸出并經過第二平均池化層后生成靜態序貫特征圖像；

將所述鄰域高光譜空間數據集輸入動態空間維序貫特征提取模塊中，所述鄰域高光譜空間數據集經過所述尺寸變換層和拼接層后輸入m個動態單元，所述動態單元包括所述雙向長短期記憶層、所述第一平均池化層和動態注意力層，利用所述動態注意力層計算所述第一平均池化層輸出結果的權重矩陣，并進行歸一化操作，得到動態權重矩陣，利用所述動態權重矩陣計算得到輸出并經過所述第二平均池化層后生成動態序貫特征圖像；

利用光譜特征提取模塊提取所述原域高光譜圖像的特征得到原域光譜特征圖像；

將所述靜態序貫特征圖像、所述動態序貫特征圖像和所述原域光譜特征圖像融合得到最終光譜特征圖像；

利用解碼模塊對所述最終光譜特征圖像解碼生成目標光譜特征圖像。

2.根據權利要求1所述的高光譜特征提取方法，其特征在于，所述預訓練高光譜深度網絡模型包括：

依據公式Γ＝Γ_R+Γ_KL構建損失函數：

其中，∑(·)為將括號內的內容全部加在一起，Indata為所述原域高光譜圖像，Outdata為所述目標光譜特征圖像，μ為所述融合特征圖像，δ為第三原域光譜特征圖像；

選用步長為10^-3的Adam優化器訓練所述高光譜深度網絡模型直至所述損失函數收斂。