[发明专利]一种多尺度空间融合高光谱土壤重金属污染识别评价方法

权利要求书

1.一种具有注意力机制多尺度空间融合的高光谱遥感土壤重金属污染识别与评价方法，其特征是，具体步骤包括如下：

步骤一：将尺寸为m×n×p的原始高光谱图像使用主成分分析法降维得到m×n×q尺寸大小的高光谱图像，其中p为光谱维度，q为通道维度，m、n为空间维度；

其中，还包括使用主成分分析法对高光谱图像光谱维度p降维，取前20个分量作为模型输入数据；

步骤二：以降维后的高光谱图像作为输入数据，利用3层卷积层且每层的卷积核尺寸为3*3，每层128个卷积核，激活函数为ReLU，提取输入数据特征；

步骤三：使用最大池化层缩小参数矩阵的尺寸，其滤波范围为2*2，步长为2，从而减少最后连接层中的参数数量；

步骤四：使用7个级联结构对输入数据提取深度特征；

建立多尺度空间特征模块，为减少由于固定大小感受野导致部分特征信息丢失，使用不同尺度感受野提取特征信息并将多尺度特征信息融合；提取多尺度空间特征信息的同时，增强非线性减少计算量；多尺度空间特征共有4个通道，对输入数据提取到特征图A＝[a¹,a²,a³,a⁴]，其中a¹,a²,a³,a⁴特征图数量为32，其中由步长为1，卷积核为1*1，激活函数为ReLU的卷积层提取特征，经BN层所形成特征图；由步长为1，卷积核为1*1，激活函数为ReLU的卷积层与步长为1，卷积核为3*3，激活函数为ReLU的卷积层提取特征，经BN层所形成特征图；由步长为1，卷积核为1*1，激活函数为ReLU的卷积层与步长为1，扩张率为2，卷积核为3*3，激活函数为ReLU的扩张卷积层提取特征，经BN层所形成特征图；由步长为1，卷积核为1*1，激活函数为ReLU的卷积层与两个步长为1，卷积核为3*3，激活函数为ReLU的卷积层提取特征，经BN层所形成特征图；

建立一个注意力机制模块，利用全局均值池化与全局最大池化压缩特征A得到通道信息M₁、M₂，其中M₁、M₂的维度与A的特征图数量相同；M₁、M₂分别连接全连接层FC₁、FC₂，全连接层激活函数为ReLU，大小为特征图数量的1/4；将通道信息融合；由激活函数为Hard_Sigmoid全连接层将融合信息恢复到与A的特征图数量相同得到M₃；将M₃赋予到特征A中，得到输出数据B，其中B＝A×M₃；

建立的级联结构，由残差结构与多尺度空间特征模块、注意力机制模块共同三部分构成，级联结构输入数据I，输出数据O，其中O＝I+B,其中I、O特征图数量相同为128；

步骤五：使用全局均值池化层将所提取的深度特征形成最终向量；

步骤六：将Indian Pines(IP)数据集划分为训练集和测试集进行对比试验；将研究区1:20万土壤重金属As、Cu、Pb、Zn、Hg地球化学分析数据集，随机抽取数据集10％作为训练集，剩余90％作为测试集，利用训练集训练搭建好的深度学习模型对研究区的土壤重金属污染进行识别与评价；

其中，还包括建立深度学习模型，该结构由输入层、3个卷积核尺寸为3*3的卷积层、最大池化层、7个级联结构、全局均值池化和输出层六部分组成，GAP作为过渡层形成最终向量；依据OA、AA、Kappa系数实现对研究区的土壤As、Cu、Pb、Zn、Hg重金属污染进行识别与评价。