[发明专利]一种高光谱图像分类方法

权利要求书

1.一种高光谱图像分类方法，其特征在于包括以下步骤：

(S1)采用三维Gabor滤波器对高光谱图像进行滤波，得到纹理特征；

(S2)将纹理特征输入到三维卷积神经网络中，根据纹理特征进行分类；

在步骤(S2)中将所述三维卷积神经网络与残差学习框架相结合，得到分类结果。

2.根据权利要求1所述的一种高光谱图像分类方法，其特征在于：三维Gabor滤波器的表达式为：

式中：(σ_x,σ_y,σ_b)为高斯包络在空间-光谱维度x-y-b轴的宽度，用于确定高斯包络的大小；滤波器的方向由θ和来表示；[x,y,b]为高光谱立方体数据中某一数据点[x′,y′,b′]经过角度θ、旋转后的坐标，f为频率；(f_x,f_y,f_b)分别表示频率在空间-光谱维的分量；θ和以π/4的步长在[0，π)范围内取值，θ、分别选择(-45°，0°，45°，90°)，当θ取0°时也取0°。

3.根据权利要求1所述的一种高光谱图像分类方法，其特征在于：使用三维Gabor滤波器对高光谱图像进行滤波的过程中，将高光谱图像与三维Gabor滤波器进行卷积处理，提取卷积结果的实部作为滤波结果。

4.根据权利要求1所述的一种高光谱图像分类方法，其特征在于：所述三维卷积神经网络中卷积核数量为16至32。