[发明专利]一种基于校正原型学习的高光谱影像分类方法在审

专利信息
申请号: 202110962828.5 申请日: 2021-08-20
公开(公告)号: CN113673599A 公开(公告)日: 2021-11-19
发明(设计)人: 于纯妍;宋梅萍;巩宝玉;王玉磊;张建祎 申请(专利权)人: 大连海事大学
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04
代理公司: 大连至诚专利代理事务所(特殊普通合伙) 21242 代理人: 张海燕;涂文诗
地址: 116000 辽宁省*** 国省代码: 辽宁;21
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 校正 原型 学习 光谱 影像 分类 方法
【权利要求书】:

1.一种基于校正原型学习的高光谱影像分类方法,其特征在于,包括:如下步骤:

S1:选取高光谱场景图像,从中随机提取部分样本作为训练集;并从所述训练集中随机选出支持集和查询集,以作为为后续获取校正的类原型和学习度量空间的训练集;

S2:搭建深度网络模型以提取所述样本的空间-光谱特征和学习度量空间,并计算学习度量空间中的初始类原型;

S3:搭建带有残差块的卷积神经网络对所述初始类原型进行校正,以获取校正的类原型;

S4:采用校正的学习度量方法训练所述深度网络模型,得到校正的深度网络模型,以使得所述校正的类原型更加稳健;

S5:在所述高光谱场景图像中选取测试数据集,从中随机选取监督样本,并对所述监督样本的分布做校正标准化处理,以采用所述校正的深度网络模型获取测试数据集中每一类的测试类原型;

S6:计算所述测试数据集样本与所述测试类原型的欧式距离,以获得对所述高光谱图像的分类结果。

2.根据权利要求1所述的一种基于校正原型学习的高光谱影像分类方法,其特征在于,所述深度网络模型是基于二维卷积操作的深度网络而搭建,包括归一化层、最大池化层、非线性激活函数层和全连接层。

3.根据权利要求1所述的一种基于校正原型学习的高光谱影像分类方法,其特征在于,所述残差块包括第1层、第1+1层和第1+2层;

所述残差块的第1层和第1+2层均包括第一卷积层和ReLU层;

所述残差块的第1+1层包括第二卷积层、ReLU层和第三卷积层。

4.根据权利要求3所述的一种基于校正原型学习的高光谱影像分类方法,其特征在于,所述卷积神经网络包括一个残差块和一个softmax层。

5.根据权利要求1所述的一种基于校正原型学习的高光谱影像分类方法,其特征在于,所述支持集和查询集的选取方法采用的是元学习策略;所述支持集为包含有标签样本的集合,所述查询集为不包含标签样本的集合。

6.根据权利要求1所述的一种基于校正原型学习的高光谱影像分类方法,其特征在于,获取校正的类原型的步骤如下:

S31:建立所述初始类原型为:

其中,k代表高光谱影响数据集中的类别;Sk表示高光谱影像数据集中类别k的支持集,Sk={(x1,y1),...,(xi,yi),...,(xN,yN)};xi表示组成支持集的样本,yi表示xi对应的类别,N代表支持集样本个数,fθ(·)表示嵌入函数;

S32:建立支持集样本聚合的参数为:

wi=gφ(Ck-fθ(xi)) (2)

其中,gφ(·)表示计算聚合参数wi的函数;

S33:建立校正的类原型表示为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连海事大学,未经大连海事大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110962828.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top