[发明专利]高光谱图像分类方法、装置、电子设备及存储介质

权利要求书

1.一种高光谱图像分类方法，其特征在于，所述方法包括：

根据初始高光谱图像获取多个大小相同的局部图像块得到多个基准图像块，各所述基准图像块包括多层特征图，各层特征图包括多个光谱波段；

将各所述基准图像块输入预先训练得到的三维残差多层融合网络中进行空谱特征提取，得到由所述三维残差多层融合网络输出的多个二维特征图，各所述二维特征图分别用于表征一个光谱波段的空谱联合特征，所述空谱联合特征用于表征所述光谱波段在空间以及光谱上的关联特征；

将各所述二维特征图输入预先训练得到的特征分析网络中分析各所述二维特征图对应的各光谱波段间的光谱关联信息；

基于各所述二维特征图对应的各光谱波段间的光谱关联信息进行分类处理，得到所述初始高光谱图像对应的分类结果。

2.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述将各所述基准图像块输入预先训练得到的三维残差多层融合网络中进行空谱特征提取，得到由所述三维残差多层融合网络输出的多个二维特征图，包括：

将各所述基准图像块输入预先训练得到的三维残差多层融合网络中，由所述三维残差多层融合网络中的多个特征卷积层提取空谱特征，并由所述三维残差多层融合网络中与各特征卷积层对应的各特征处理层对所述空谱特征进行处理，得到多个维度的二维特征向量，其中，所述三维残差多层融合网络中包括原始卷积层以及在所述原始卷积层之后的且依次排列的所述多个特征卷积层，所述原始卷积层根据所述基准图像块输出初始空谱特征图，各所述特征卷积层基于前一卷积层输出的空谱特征图进行卷积处理并向后一卷积层以及对应的特征处理层输出卷积处理后的空谱特征图；

由所述三维残差多层融合网络中与各特征处理层对应的全连接层对所述各二维特征向量进行特征融合，并由所述三维残差多层融合网络中的第二数据重构层将所有融合后的二维特征向量进行数据重构得到并输出所述多个二维特征图。

3.根据权利要求2所述的高光谱图像分类方法，其特征在于，各所述特征处理层包括：池化层、降维层以及第一数据重构层；

所述由所述三维残差多层融合网络中的多个特征卷积层提取空谱特征，并由所述三维残差多层融合网络中与各特征卷积层对应的各特征处理层对所述空谱特征进行处理，得到多个维度的二维特征向量，包括：

由各特征卷积层对前一卷积层输出的空谱特征图进行空谱特征提取，输出特征提取后的空谱特征图；

由各所述池化层对所述空谱特征图进行最大池化，得到对应的第一输出特征图；

由各所述降维层对所述第一输出特征图进行降维处理，得到对应的第二输出特征图；

由各所述第一数据重构层对所述第二输出特征图进行数据重构，得到各维度的二维特征向量；

基于各维度的二维特征向量，得到所述多个维度的二维特征向量。

4.根据权利要求1所述的高光谱图像分类方法，其特征在于，将各所述二维特征图输入预先训练得到的特征分析网络中分析各所述二维特征图对应的各光谱波段间的光谱关联信息，包括：

将各所述二维特征图输入所述特征分析网络中，由所述特征分析网络的分块层对各所述二维特征图进行分块处理，得到分块后的二维特征图，并将分块后的二维特征图作为第一维度特征图；

由所述特征分析网络的线性处理层基于第一维度特征图进行线性变换处理，得到第二维度特征图；

由所述特征分析网络的分析处理层对所述第二维度特征图进行光谱分析，得到各光谱波段间的光谱关联信息。

5.根据权利要求4所述的高光谱图像分类方法，其特征在于，所述分析处理层包括：依次连接的多个分析处理子层；

所述由所述特征分析网络的分析处理层对所述第二维度特征图进行光谱分析，得到各光谱波段间的光谱关联信息，包括：

由所述分析处理层中的首个分析处理子层对所述第二维度特征图进行光谱分析，得到初始分析结果；

由所述分析处理层中首个分析处理子层后的各分析处理子层依次以前一分析处理子层的分析结果作为输入数据，进行光谱分析，并向后输出分析结果；

将所述分析处理层中最后一个分析处理子层输出的分析结果作为所述各光谱波段间的光谱关联信息。