[发明专利]联合光谱空间多层感知器的高光谱影像分类方法及装置在审

专利信息
申请号: 202111109093.8 申请日: 2021-09-22
公开(公告)号: CN113850316A 公开(公告)日: 2021-12-28
发明(设计)人: 谭熊;薛志祥;刘冰;魏祥坡;余旭初;张鹏强;张艳;高奎亮;左溪冰;孙一帆 申请(专利权)人: 中国人民解放军战略支援部队信息工程大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 郑州大通专利商标代理有限公司 41111 代理人: 石丹丹
地址: 450000 河*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 联合 光谱 空间 多层 感知 影像 分类 方法 装置
【权利要求书】:

1.一种联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,包含以下步骤:

利用光谱多层感知器从高光谱图像中提取全局光谱特征;

利用空间多层感知器从高光谱图像中提取局部空间特征;

利用多层感知器融合全局光谱特征和局部空间特征对高光谱图像进行联合分类。

2.根据权利要求1所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,将输入给光谱多层感知器的高光谱图像斑块RH×W×C沿空间维展开,得到一个二维输入X∈RS×C,其中S=HW,H和W分别表示图像长、宽,C为光谱维数。

3.根据权利要求2所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,所述光谱多层感知器包括两个MLP块,分别是空间混合MLP块和通道混合MLP块;

在空间混合MLP块中,首先将输入的X进行转置,然后将空间混合多层感知器作用于X的列,并在所有列之间共享参数,实现映射;

在空间混合多层感知器之后,通道混合多层感知器作用于X的行,并在所有行之间共享参数,实现映射。

4.根据权利要求3所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,每个MLP块中包含两个全连接层和一个非线性激活函数GELU,因此两个MLP块的结构表述为:

其中,σ为非线性激活函数,DS为斑块图像像素总数,DC为光谱维数,U*,i表示空间混合多层感知器输出,Yj,*表示通道混合多层感知器输出,X*,i表示斑块图像的第i个列向量,Uj,*表示斑块图像的第j个行向量,W1、W2、W3、W4分别表示两个混合多层感知器的权系数,i、j分别表示斑块图像的第i个列向量和第j个行向量。

5.根据权利要求4所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,空间多层感知器的输入是采用不变属性剖面进行降维处理和空间特征提取的图像斑块。

6.根据权利要求5所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,不变属性剖面在空间域和频率域中提取高光谱图像的空间特征,具体是,在空间域,利用方向同性滤波器或卷积核提取高光谱图像的鲁棒卷积特征,再用空间聚类方法提取空间不变特征;在频率域,在傅里叶极坐标中利用连续梯度直方图来建模平移、旋转不变特征,最后组合得到高光谱图像的空间-频率不变特征。

7.根据权利要求6所述的联合光谱空间多层感知器的高光谱影像分类方法,其特征在于,空间多层感知器从高光谱图像中提取局部空间特征,包括:

利用不变属性剖面对高光谱图像进行降维处理和空间特征提取,再将处理后的图像分割成多个图像斑块;

以S个不重叠的图像斑块作为输入,每个图像斑块的维度为C,生成二维输入X∈RS×C,如果原始输入高光谱图像的分辨率为(H,W),每个斑块的分辨率为(P,P),则斑块的数量为S=HW/P2,所有的斑块用相同的投影矩阵进行线性投影;

对每个图像斑块均采用空间混合MLP块和通道混合MLP块提取局部空间特征,空间混合多层感知器作用于X的每一行,通道混合多层感知器作用于X的每一列,空间混合MLP块和通道混合MLP块的表达式如式(1)。

8.一种联合光谱空间多层感知器的高光谱影像分类装置,其特征在于,包括:

全局光谱特征提取模块,用于利用光谱多层感知器从高光谱图像中提取全局光谱特征;

局部空间特征提取模块,用于利用空间多层感知器从高光谱图像中提取局部空间特征;

分类模块,用于利用多层感知器融合全局光谱特征和局部空间特征对高光谱图像进行联合分类。

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中国人民解放军战略支援部队信息工程大学,未经中国人民解放军战略支援部队信息工程大学许可,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/202111109093.8/1.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