[发明专利]一种三维空谱空间维像元类属概率计算方法

权利要求书

1.一种三维空谱空间维像元类属概率计算方法，其特征在于，包括以下步骤：

第一步，输入层为三维空谱数据,即网络的输入为具有多通道空谱结构的三维数据；

采用两组高光谱数据：Indian Pines数据集和Pavia University数据集；IndianPines数据集为机载可见红外成像光谱仪在Indian Pines实验区采集的高光谱遥感图像，该图像共包含220个波段，空间分辨率为20m，图像大小为145×145；去除20个水汽吸收和低信噪比波段，波段号为104-108，150-163，220，选择剩下的200个波段作为研究对象；IndianPines实验区共包含16种已知地物共10366个样本；Pavia University数据集是由帕维亚的ROSIS传感器采集，共包含115个波段，图像大小为610×340，在去除噪声波段之后，选择剩下的103个波段作为研究对象；对于Indian Pines数据集，每类样本均随机取1％、5％、10％作为训练样本，剩余样本作为测试样本；对于Pavia University数据集，每类样本均随机取0.5％、1％、5％作为训练样本，剩余样本作为测试样本；

第二步，隐层单元由光谱维一维卷积层和空间维二维卷积层构成，每个隐层单元是先执行光谱维卷积，然后执行空间维卷积；光谱维一维卷积层采用一维卷积核对逐光谱进行卷积变换，空间维二维卷积层采用二维卷积核对逐通道进行卷积变换；

设第l个隐层单元的输入为输出为记第l个隐层单元的变换为H_l，则H_l表示为：

其中，运算符表示卷积运算，BN(·)表示批归一化函数，G(·)表示激活函数，和分别表示第i个光谱维一维卷积核与空间维二维卷积核，d×d为二维卷积核大小，1≤i≤v，和分别为第i个一维卷积核与二维卷积核所对应的偏置项，和分别为第i个一维卷积核与二维卷积核的卷积输出结果，[…]表示拼接操作；

第三步，深度网络由多层隐层单元堆叠而成，即使用多个隐层单元层层堆叠构成深度网络；在该网络中，除输入输出层外，其余均以隐层单元为基本单元，并将多个隐层单元按顺序堆叠构成深度网络；

每个隐层单元的输入为前面所有隐层单元的输出拼接而成；记第l个隐层单元的输入为I_l，输出为O_l，变换为H_l，则I_l的计算式为：

I_l＝[O₁,O₂,…,O_l-1]

O_l的计算式为：

O_l＝H_l(I_l)＝H_l([O₁,O₂,…,O_l-1])

其中，[…]表示拼接操作；

第四步，输出层为各像元的类属概率数据，即网络的输出为输入空谱数据的空间维各像元的类属概率数据；记网络输入为该空谱数据的像元可划分为c个不同类别，则网络的输出层为其中h、w、b、c分别为三维空谱数据的高、宽、通道数和类别数；设网络由L个隐层单元堆叠而成，1≤L，第l个隐层单元的输出为O_l，1≤l≤L，网络隐层到输出层的变换记为T，则T表示为：

Y＝T([O₁₁,O₂,…,O_L])＝[Y₁,Y₂,…,Y_c]

其中，运算符表示卷积运算，为Y中第i个通道，1≤i≤c，S_i与b_i分别为第i个1×1大小的卷积核与对应的偏置项，[…]表示拼接操作；

第五步，网络损失函数为掩模交叉熵，即根据训练样本标签构建带掩模的交叉熵损失函数。