[发明专利]一种逐像素分类方法、存储介质及分类设备

权利要求书

1.一种逐像素分类方法，其特征在于，包括以下步骤：

S1、从数据集中读入多光谱影像，包括已配准后的PAN图像数据和MS图像数据以及对应的类标ground truth图；

S2、将步骤S1得到的PAN图像数据和MS图像数据的共有特征进行融合得到MSHPAN图像数据；

S3、对步骤S1的PAN图像数据、MS图像数据和步骤S2的MSHPAN图像数据进行归一化处理，确定训练集和测试集；

S4、分别对步骤S1的PAN图像数据、MS图像数据和步骤S2的MSHPAN图像数据进行预处理，使PAN图像数据、MSHPAN图像数据和MS图像数据的特征块尺寸与通道数相同；

S5、设计自适应感受野网络模块A；

S6、设计自适应通道的谱段信息提取的B模块；

S7、利用步骤S4预处理后的PAN图像数据、MSHPAN图像数据和MS图像数据，设计基于步骤S5自适应感受野网络模块A和步骤S6自适应通道的谱段信息提取的B模块的渐进融合网络；

S8、构造步骤S7渐进融合网络的损失函数；

S9、对步骤S7渐进融合网络进行超参数调整；

S10、用步骤S3训练集的样本块对作为分类器的输入，MS图像数据、MSHPAN图像数据、PAN图像数据相对应的一对同时输入进融合网络的三个支路，将训练集中每个像素点的类别作为分类模型的输出，优化分类模块的网络参数，得到训练好的分类模型；

S11、利用步骤S10训练好的分类模型对步骤S3的测试集进行分类，得到测试数据集中每个像素点的类别。

2.根据权利要求1所述的方法，其特征在于，步骤S3具体为：

S301、数据归一化，分别对PAN、MSHPAN和MS图像矩阵中所有像素点的值归一化到[0，1]之间；

S302、选取训练集和测试集，在归一化后的图像中找到有对应类标的像素点，以每个像素为中心取PAN图和MSHPAN图邻域64*64的区域，MS图邻域16*16作为样本块对，每个块的邻域为中心点的分类所服务；然后取每类的百分之十样本作为训练集，其余作为测试集。

3.根据权利要求1所述的方法，其特征在于，步骤S5具体为：

S501、通过不同的卷积核输入进行卷积操作，分别得到F₁、F₂、F₃，保留输入F₀，将输入全连接的神经网络，最后通过sigmoid函数，将其约束在[0,1]之间，得到其掩膜α₀、α₁、α₂、α₃；

其中，c表示通道数；

S502、最后将掩膜与其对应的输入相乘得到

S503、通过其每个掩膜的均值选出两个影响最大的感受野获取到的特征(S₁、S₂)进行拼接得到S，这样可以自适应多视点的提取特征，提高空间信息的提取效率，进而提高分类的精度；S＝S₁+S₂

S504、然后通过将S输入到sigmoid激活函数中得到自适应感受野的输出S_F；

S_F＝σ(S)

其中，σ为sigmoid激活函数。

4.根据权利要求1所述的方法，其特征在于，步骤S6具体为：

S601、将于自适应感受野网络模块A的输出S_F作为自适应通道的谱段信息提取的B模块的输入，将S_F的维度均分成两份，然后通过全局平均池化压缩S_F的空间信息，保留通道谱段信息得到V_F；

其中，H和W为高和宽，F_gp为全局平均池化，(i,j)为特征S_F的逐像素位置；

S602、通过softmax激活函数得到掩膜α和β，将得到的掩膜与其输入分别相乘得到和将其拼接作为自适应通道的谱段信息提取的B模块的输出O；

α+β＝1

其中，为乘上权重α的特征，为乘上权重β的特征，α为S₁的掩膜，β为为S₂的掩膜。