[发明专利]基于自编码器的光谱降维方法和装置

说明书

本发明涉及一种基于自编码器的光谱降维方法、装置、设备和计算机可存储介质，其中方法包括以下步骤：基于高光谱图像数据生成输入向量；使用所述输入向量对自编码器模型进行训练，直至模型收敛；将模型收敛时隐藏层的输出数据作为压缩后的光谱图像。本发明利用自编码器可以在尽量不损失信息的情况下对高光谱图像进行降维处理，压缩效果超过传统方法，解决了高光谱图像波段间冗余信息大的问题。

技术领域

本发明涉及高光谱数据处理领域，尤其涉及一种基于自编码器的光谱降维方法、装置、设备和计算机可读存储介质。

背景技术

高光谱图像提供了大量更精细的地物信息，但在某些具体实际应用中，数据量的增加并没有增加原有的信息量。高光谱图像的冗余包括空间冗余和光谱冗余。在一个波段图像中，由于同一地物表面采样点的灰度之间通常表现为空间连贯性，而基于离散像素采样所表示的地物灰度并没有充分利用这种特征，所以产生了空间冗余。由于高光谱图像高的光谱分辨率和高的数据维数，使得图像中的某一波段的信息可以部分或完全由图像中其他波段预测，所以产生了光谱冗余。因此，对高光谱图像进行降维处理显得尤为重要。

传统的高光谱降维处理中，大部分方法从不同角度对光谱进行波段选择，力图找到信息丰富、相关性较小、类别可分性较好的波段组合。然而对于这种波段选择的方法一般基于非常理想的假设，本身没有达到最佳压缩的效果。

发明内容

本发明要解决的技术问题在于，针对现有通过选择波段对高光谱图像进行降维的方法压缩效果不佳的难点，提供一种基于自编码器的光谱降维方法、装置、设备和计算机可读存储介质，其压缩效果好，解决了高光谱图像波段间冗余信息大的问题。

为了解决上述技术问题，本发明第一方面提供了一种基于自编码器的光谱降维方法，该方法包括：

S1、基于高光谱图像数据生成输入向量X＝(x₁,x₂,...,x_k,...,x_m)，其中m为光谱维数，x₁,x₂,...,x_k,...,x_m分别为高光谱图像数据的第1至m维图像数据，k＝1,2,...,m；

S2、使用所述输入向量对自编码器模型进行训练，直至模型收敛；

S3、将模型收敛时隐藏层的输出数据作为压缩后的光谱图像。

在根据本发明所述的基于自编码器的光谱降维方法中，优选地，所述步骤S2包括：

1)初始化自编码器模型参数，设置输入层与隐藏层的权重矩阵W_Y⁽ⁱ⁾，隐藏层与输出层的权重矩阵W_Z，以及隐藏层的偏置项向量b_y⁽ⁱ⁾，输出层的偏置项向量b_z；

2)输入向量X，计算第i个隐藏层的输出向量Y(i)＝(y₁⁽ⁱ⁾,y₂⁽ⁱ⁾,...,y_j⁽ⁱ⁾,...,y_h⁽ⁱ⁾)以及重构向量Z＝(z₁,z₂,...,z_o...,z_m)，其中h为Y(i)的神经元数量,j＝1,2,...,h,o＝1,2,...,m；

3)利用代价函数J对所有模型参数进行求导，得到对应参数的导数并更新模型参数；

4)判断模型是否收敛，是则结束，否则重复步骤2)-3)，直至模型收敛。

在根据本发明所述的基于自编码器的光谱降维方法中，优选地，所述步骤2)中通过以下公式计算: