[发明专利]一种高光谱特征提取方法、装置及存储介质

权利要求书

1.一种高光谱特征提取方法，其特征在于，包括：

选取高光谱图像进行归一化处理得到原域高光谱图像X×Y×B，X和Y是各波长下高光谱图像的空间尺寸，B是高光谱图像的波段个数，设置邻域滑动窗口s，嵌入维数为d，对所述原域高光谱图像的每一个高光谱像元选取其周围尺寸为s×s的邻域像元作为该像元的空间数据，得到邻域高光谱空间数据集；

将所述原域高光谱图像和所述邻域高光谱空间数据集输入预先训练好的高光谱深度网络模型中；

将所述邻域高光谱空间数据集输入静态空间维序贯特征提取模块中，所述邻域高光谱空间数据集经过尺寸变换层后输入m个静态单元，所述静态单元包括双向长短期记忆层、第一平均池化层和静态注意力层，利用所述静态注意力层计算所述第一平均池化层输出结果的欧式权重矩阵和光谱权重矩阵，并分别进行归一化操作，将所述欧式权重矩阵和所述光谱权重矩阵按位相乘得到静态权重矩阵，利用所述静态权重矩阵计算得到输出并经过第二平均池化层后生成静态序贯特征图像；

将所述邻域高光谱空间数据集输入动态空间维序贯特征提取模块中，所述邻域高光谱空间数据集经过所述尺寸变换层和拼接层后输入m个动态单元，所述动态单元包括所述双向长短期记忆层、所述第一平均池化层和动态注意力层，利用所述动态注意力层计算所述第一平均池化层输出结果的权重矩阵，并进行归一化操作，得到动态权重矩阵，利用所述动态权重矩阵计算得到输出并经过所述第二平均池化层后生成动态序贯特征图像；

利用光谱特征提取模块提取所述原域高光谱图像的特征得到原域光谱特征图像；

将所述静态序贯特征图像、所述动态序贯特征图像和所述原域光谱特征图像融合得到最终光谱特征图像；

利用解码模块对所述最终光谱特征图像解码生成目标光谱特征图像。

2.根据权利要求1所述的高光谱特征提取方法，其特征在于，所述预训练高光谱深度网络模型包括：

依据公式Γ＝Γ_R+Γ_KL构建损失函数：

其中，∑(·)为将括号内的内容全部加在一起，Indata为所述原域高光谱图像，Outdata为所述目标光谱特征图像，μ为所述融合特征图像，δ为第三原域光谱特征图像；

选用步长为10^-3的Adam优化器训练所述高光谱深度网络模型直至所述损失函数收敛。