[发明专利]光谱图像的分类方法和装置、存储介质、电子装置

权利要求书

1.一种光谱图像的分类方法，其特征在于，包括：

获取第一光谱图像，其中，所述第一光谱图像是光谱传感器采集到的图像；

使用双分支耦合网络对所述第一光谱图像进行降维处理，得到第二光谱图像，其中，所述第二光谱图像的特征维度低于所述第一光谱图像的特征维度；

使用卷积神经网络提取所述第二光谱图像的空间特征，并通过所述空间特征得到所述第一光谱图像的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述双分支耦合网络包括第一耦合网络和第二耦合网络，其中，使用双分支耦合网络对所述第一光谱图像进行降维处理包括：

通过所述第一耦合网络将所述第一光谱图像的类别特征从第一词向量空间映射到第二词向量空间，其中，所述第二词向量空间的空间维度低于所述第一词向量的空间维度，所述类别特征用于确定分类结果；并，

通过所述第二耦合网络对所述第一光谱图像进行卷积处理。

3.根据权利要求2所述的方法，其特征在于，所述第一耦合网络包括第一词嵌入网络和第二词嵌入网络，其中，在使用双分支耦合网络对所述第一光谱图像进行降维处理，得到第二光谱图像之前，所述方法还包括按照如下方式对所述第一耦合网络进行训练：

通过所述第一词嵌入网络确定训练样本的第一样本类型与第二样本类型之间的向量矩阵，其中，所述第一样本类型为当前使用的样本类型，所述第二样本类型为在所述第一样本类型之前使用的样本类型，所述向量矩阵中的向量元素为所述第一样本类型在第一向量空间的聚类中心向量与所述第二样本类型在所述第一向量空间的聚类中心向量之间的差向量；

通过所述第二词嵌入网络确定所述第一样本类型在第二向量空间的聚类中心向量，其中，所述第二向量空间的空间维度低于所述第一向量空间的空间维度，所述第二词嵌入网络中的参数与所述第一词嵌入网络中的参数相同。

4.根据权利要求3所述的方法，其特征在于，所述第二样本类型为多个，其中，通过所述第一词嵌入网络确定训练样本的第一样本类型与第二样本类型之间的向量矩阵包括：

通过所述第一词嵌入网络确定所述第一样本类型在所述第一向量空间的聚类中心向量与所述第二样本类型在所述第一向量空间的聚类中心向量之间的差向量；

将所述第一样本类型与各个所述第二样本类型之间的差向量作为所述向量矩阵中的向量元素。

5.根据权利要求3所述的方法，其特征在于，通过所述第二词嵌入网络确定所述第一样本类型在第二向量空间的聚类中心向量包括：

获取属于所述第一样本类型的训练样本的独热编码；

将训练样本的独热编码输入所述第二词嵌入网络，通过所述第二词嵌入网络确定所述第一样本类型在所述第二向量空间的聚类中心向量。

6.根据权利要求2所述的方法，其特征在于，所述第二耦合网络包括第一卷积网络和第二卷积网络，其中，在使用双分支耦合网络对所述第一光谱图像进行降维处理，得到第二光谱图像之前，所述方法还包括按照如下方式对所述第二耦合网络进行训练：

通过所述第一卷积网络提取训练样本中的光谱特征；

通过所述第二卷积网络利用交叉熵损失进行有监督的分类，并输出降维后的光谱向量。

7.根据权利要求2至6中任意一项所述的方法，其特征在于，在对所述第一耦合网络和所述第二耦合网络进行训练的过程中，所述方法还包括：

采用交替训练的方式对所述第一耦合网络和所述第二耦合网络进行训练，其中，训练时使用的损失函数包括类内损失函数和类间损失函数，所述类内损失函数用于降低输出的类内差异，所述类间损失函数用于增大降维输出的类间差异。