[发明专利]高光谱遥感图像识别方法、装置、电子设备及存储介质

权利要求书

1.一种高光谱遥感图像识别方法，其特征在于，包括：

预先训练图像识别模型；所述图像识别模型包括网络输入组合模块、多尺度双通卷积模块、卷积特征混合模块、压缩扩张空谱注意力机制模块；

将待识别高光谱遥感图像输入至所述图像识别模型中，得到所述待识别高光谱遥感图像的图像识别结果；

其中，所述网络输入组合模块将所述待识别高光谱遥感图像的邻域特征和光谱维度相互合并，并从合并结果中选取网络输入图像块；所述多尺度双通卷积模块利用第一通道对所述网络输入图像块进行固定核卷积操作，利用第二通道对所述网络输入图像块进行多尺度空洞组卷积处理；所述卷积特征混合模块将不同卷积过程中的多通道特征进行混合；所述压缩扩张空谱注意力机制模块在光谱维与空间维上学习目标特征，并基于注意力权重自适应调整空谱特征图，并将最终得到的目标空谱特征图输送至判别卷积层和全连接层进行降维操作。

2.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述多尺度双通卷积模块为由第一卷积层和第二卷积层以双通道形式构成；

所述第一卷积层的卷积核尺寸固定；所述第二卷积层由至少三层卷积通过串联方式构成。

3.根据权利要求2所述的高光谱遥感图像识别方法，其特征在于，所述第二卷积层包括第一子卷积层、第二子卷积层和第三子卷积层；所述第一子卷积层、所述第二子卷积层和所述第三子卷积层的卷积核尺寸相同，且采用递增空洞卷积率。

4.根据权利要求1所述的高光谱遥感图像识别方法，其特征在于，所述将不同卷积过程中的多通道特征进行混合，包括：

获取所述第一通道输出的第一通道特征信息、所述第二通道输出的第二通道特征信息；

按照通道维度合并所述第一通道特征信息和所述第二通道特征信息；

将合并结果的通道均分为两组，按照等位顺序对各组进行排列；提取相同位置的通道并重新进行排序。

5.根据权利要求1至4任意一项所述的高光谱遥感图像识别方法，其特征在于，所述分别在光谱维与空间维上学习目标特征，并自适应调整空谱特征图，并将最终得到的目标空谱特征图输送至判别卷积层和全连接层进行降维操作的过程，包括：

利用经全局池化层与多层感知器构成的神经网络对空谱特征进行通道维的操作，并经过RELU激活函数层输入至所述全连接层，再经过sigmoid激活函数层输出；

经过通道维池化处理所述空谱特征得到单通道，经单层卷积操作和sigmoid激活激活函数层处理，生成空间注意力；

根据所述空间注意力与通道注意力确定空谱注意力；

根据所述空谱注意力和所述空谱特征，得到通道维缩放特征。

6.一种高光谱遥感图像识别装置，其特征在于，包括：

模型预训练模块，用于预先训练图像识别模型；所述图像识别模型包括网络输入组合模块、多尺度双通卷积模块、卷积特征混合模块、压缩扩张空谱注意力机制模块；

图像识别模块，用于将待识别高光谱遥感图像输入至所述图像识别模型中，得到所述待识别高光谱遥感图像的图像识别结果；所述网络输入组合模块将所述待识别高光谱遥感图像的邻域特征和光谱维度相互合并，并从合并结果中选取网络输入图像块；所述多尺度双通卷积模块利用第一通道对所述网络输入图像块进行固定核卷积操作，利用第二通道对所述网络输入图像块进行多尺度空洞组卷积处理；所述卷积特征混合模块将不同卷积过程中的多通道特征进行混合；所述压缩扩张空谱注意力机制模块在光谱维与空间维上学习目标特征，并基于注意力权重自适应调整空谱特征图，并将最终得到的目标空谱特征图输送至判别卷积层和全连接层进行降维操作。

7.根据权利要求6所述的高光谱遥感图像识别装置，其特征在于，所述多尺度双通卷积模块为由第一卷积层和第二卷积层以双通道形式构成；

所述第一卷积层的卷积核尺寸固定；所述第二卷积层由至少三层卷积通过串联方式构成。