[发明专利]高光谱图像的对象分类方法和装置、电子设备

权利要求书

1.一种高光谱图像的对象分类方法，其特征在于，所述方法包括：

获取目标高光谱图像；

分割所述目标高光谱图像，得到至少一个第一图像；

通过深度神经网络对所述至少一个第一图像所包含的对象进行分类；

根据对所述至少一个第一图像所包含的对象的分类结果，确定所述目标高光谱图像所包含的对象的类别。

2.根据权利要求1所述的方法，其特征在于，所述深度神经网络包括多个具有不同权重的神经元，所述神经元用于提取所述至少一个第一图像所包含的对象的特征，且不同神经元提取的特征至少部分不同。

3.根据权利要求2所述的方法，其特征在于，所述通过深度神经网络对所述至少一个第一图像所包含的对象进行分类，包括：

利用各所述神经元提取各所述第一图像所包含的对象的特征，生成与各所述第一图像一一对应的各第一特征图；

对各所述第一特征图中的特征进行聚合统计，得到与各所述第一特征图一一对应的各第二特征图；

根据各所述第二特征图，对各所述第一图像所包含的对象的进行分类。

4.根据权利要求1-3任一所述的方法，其特征在于，所述根据对所述至少一个第一图像所包含的对象的分类结果，确定所述目标高光谱图像所包含的对象的类别，包括：

确定各所述第一图像所包含的对象的类别，得到带有分类结果的各第一图像；

对所述带有分类结果的各第一图像进行双线性插值，得到与各所述第一图像分辨率相同的各第一插值图像；

根据各所述第一图像及各所述第一插值图像并基于条件随机场模型，确定各所述第一图像所包含的对象的类别；

根据各所述第一图像在所述目标高光谱图像中的位置，对各所述第一图像进行拼接；

根据拼接后的各第一图像所包含的对象的类别，确定所述目标高光谱图像所包含的对象的类别。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括采用以下步骤预先训练所述深度神经网络：

获取预先标注出对象的高光谱图像；

将所述高光谱图像进行分割，得到至少一个第四图像；

利用所述至少一个第四图像训练所述深度神经网络。

6.根据权利要求5所述的方法，其特征在于，所述利用所述至少一个第四图像训练所述深度神经网络，包括采用迭代训练步骤多次迭代训练所述深度神经网络，直至满足训练终止完成条件，所述迭代训练步骤包括：

通过所述深度神经网络中的部分神经元提取所述至少一个第四图像的特征，所述部分神经元的数量少于所述深度神经网络中神经元的总数量；

根据提取的特征对所述至少一个第四图像所包含的对象进行分类，得到分类结果；

根据所述分类结果调整所述深度神经网络的网络参数。

7.根据权利要求6所述的方法，其特征在于，在迭代训练所述深度神经网络过程中，不同次的迭代训练过程中所使用的神经元至少部分不同。

8.根据权利要求1-7任一所述的方法，其特征在于，所述深度神经网络包括级联的多个特征提取单元、一神经元筛选单元和一分类单元。

9.一种高光谱图像的对象分类装置，其特征在于，所述装置包括：

获取单元，用于获取目标高光谱图像；

分割单元，用于分割所述目标高光谱图像，得到至少一个第一图像；

分类单元，用于通过深度神经网络对所述至少一个第一图像所包含的对象进行分类；

确定单元，用于根据对所述至少一个第一图像所包含的对象的分类结果，确定所述目标高光谱图像所包含的对象的类别。

10.一种电子设备，其特征在于，包括：

存储器，存储可执行指令；

一个或多个处理器，与存储器通信以执行可执行指令从而完成以下操作：

获取目标高光谱图像；

分割所述目标高光谱图像，得到至少一个第一图像；

通过深度神经网络对所述至少一个第一图像所包含的对象进行分类；

根据对所述至少一个第一图像所包含的对象的分类结果，确定所述目标高光谱图像所包含的对象的类别。