[发明专利]基于图中图卷积网络的高光谱图像分类方法

权利要求书

1.一种基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述方法包括：

获取目标光谱图像，将所述目标光谱图像分割成若干超像素块；

确定若干所述超像素块分别对应的局部结构图和所述目标光谱图像对应的全局结构图；

根据所述若干所述局部结构图和所述全局结构图，确定所述目标光谱图像对应的目标图像类别。

2.根据权利要求1所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述将所述目标光谱图像分割成若干超像素块，包括：

将所述目标光谱图像输入超像素分割算法，得到若干所述超像素块，其中，每一所述超像素块对应一个同质区域。

3.根据权利要求1所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，将每一所述超像素块作为一个目标超像素块，所述局部结构图的确定过程，包括：

将所述目标超像素块中的每一像素点作为一个第一节点，得到第一节点矩阵；

根据全部所述第一节点之间的邻接关系，得到第一邻接矩阵；

根据所述第一节点矩阵和所述第一邻接矩阵，生成所述目标超像素块对应的所述局部结构图。

4.根据权利要求1所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述全局结构图的确定过程，包括：

将每一所述超像素块作为一个第二节点，得到第二节点矩阵；

根据全部所述第二节点之间的邻接关系，得到第二邻接矩阵；

根据所述第二节点矩阵和所述第二邻接矩阵，生成所述全局结构图。

5.根据权利要求1所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述根据所述若干所述局部结构图和所述全局结构图，确定所述目标光谱图像对应的目标图像类别，包括：

将若干所述局部结构图嵌入所述全局结构图，得到目标结构图；

根据所述目标结构图，确定所述目标图像类别。

6.根据权利要求5所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述将若干所述局部结构图嵌入所述全局结构图，得到目标结构图，包括：

根据每一所述局部结构图对应的所述超像素块，确定每一所述局部结构图在所述全局结构图中对应的嵌入位置；

根据每一所述局部结构图对应的嵌入位置，将每一所述局部结构图嵌入所述全局结构图，得到所述目标结构图。

7.根据权利要求5所述的基于图中图卷积网络的高光谱图像分类方法，其特征在于，所述根据所述目标结构图，确定所述目标图像类别，包括：

将所述目标结构图输入图像分类模型，得到所述目标图像类别，其中，所述图像分类模型包括第一卷积模块、第二卷积模块、融合模块以及分类模块；

所述第一卷积模块，用于根据若干所述局部结构图进行特征提取，得到若干所述超像素块分别对应的第一特征向量，根据全部所述第一特征向量确定第一特征矩阵；

所述第二卷积模块，用于根据所述第一特征矩阵和所述全局结构图进行特征提取，得到若干所述超像素块分别对应的第二特征向量；

所述融合模块，用于将每一所述超像素块对应的所述第一特征向量和所述第二特征向量进行融合，得到每一所述超像素块对应的融合特征向量；

所述分类模块，用于根据每一所述超像素块对应的融合特征向量，生成概率分布信息，根据所述概率分布信息确定所述目标图像类别。