CN116416441B 基于多层次变分自动编码器的高光谱图像特征提取方法 （苏州大学）

号WO2021082480A1,2021.05基于多层次变分自动编码器的高光谱图像本申请提出一种针对高光谱图像的基于多层次变分自动编码器的高光谱图像特征提取方法。该方法用变分自动编码器作为方法基本框2S2.对高光谱图像中每一个高光谱像元配置邻域将尺寸为1×B高光谱像元的第二样本，所述第二样本作为光谱特征提取模块的输入S5.特征拼接及计算均值特征μ,即空间特征提取模块中第层的输入Inputf为第层的输出光谱特征提取模块中第层的输入为第层和u=concat(outputR-,,output⃞-1),得到均值特征μ,μ的尺寸为bs×s2×d，n个全连接网络层，其中，各网络层分别为{d1,d2…dn}，各网络层输入分别为{ind1,32.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特3.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特将全部XxY个高光谱像元归一化使取值范围在_1到1之间，归一化4.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特5.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特6.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特将尺寸为1xB的高光谱像元x进行变换，得到尺寸为的第二样本，所述7.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特利用长短期记忆网络层L得到标准差特征δ,所述长短期记忆网络层L的输入为节点个数为d，δ的尺寸为bsxs2xd。8.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法，其特4感器数据融合的思想，采用对空间特征和光谱特征进行单独提取并进行特征融合的方式，[0003]高光谱图像特征提取方法从信息来源的角度可分为基于光谱特征的特征提取方[0004]基于光谱特征的特征提取方法是利用高光谱图像中单一光谱曲线来构造特征提取器，并忽略不同像元在空间维度的位置信息。早期应用较广泛的方法包括主成分分析(PrincipleComponentAnalysis，PCA)，最小化噪声分离(MinimumNoiseFraction，分自动编码器(VariationalAuto_encoder，VAE)、长短期记忆网络(LongShort_term5[0007]①目前基于空谱特征的高光谱图像特征提取方法中没有从多种层面考虑像元的[0008]②目前基于空谱特征的高光谱图像特征提取方法中空间特征映射和光谱特征映[0009]③目前基于空谱特征的高光谱图像特征提取方法中没有考虑空间特征和光谱特多层次变分自动编码器(multi_levelVAE)的高光谱图像特征提取方法。该方法用变分自[0014]S2.对高光谱图像中每一个高光谱像述第一样本作为空间特征提取模块的输入Inp[0018]S5.特征拼接及计算均值特征6第层的输出光谱特征提取模块中第层的输入为第层和2[0020]S7.基于特征融合模块得到融合后的特谱特征提取模块输入与编码器输出之间的相似性，ΓKL是变分自动编码器VAE中的损失函算全部空间特征提取模块输出与对应光谱特征提取模块输B的第二样本中分别随机选取小批量样本输入到深度神经网络中用于深度神经网络的训7[0039]利用长短期记忆网络层L得到标准差特征δ,所述长短期记忆网络层L的输入为[0041]n个全连接网络层，其中，各网络层分别为{d1,d2…dn}，各网络层输入分别为[0043]依据公式得到融合后的特征O，其中，γ为随机生成的噪声矩取高光谱图像的空间特征和光谱特征，该方法考虑了高光谱图像中蕴含的两种连续信息，8的多层次空谱特征同源性提升方法利用光谱角距离计算并增加各阶段空谱特征之间的同[0050]下面结合附图来描述本申请提出的基于多层次变分自动编码器的高光谱图像特尺寸为的第二样本并将其作为光谱特征提取模块的输入Inputq，若B不是s2[0055]S4.训练深度神经网络，从全部X×Y个高[0058]将Inputq作为Inputf输入光谱特征提取模块的第层中，得到输出output,2[0061]空间特征提取模块中第层的输入为第层的输出光谱9[0066]S6.池化操作，即利用平均池化层(Aver差特征δ进行池化操作，得到池化后的均值特征和池化后的标准差特征尺寸均为bs×d。该步骤中还包括：利用一个长短期记忆网络层L得到标准差特征δ,该网络层输入为[0067]S7.基于特征融合模块得到融合后输入；该步骤中依据公式0=A+(6xy),在特征融合模块中得到融合后的特征O，其中，特征提取模块输入与编码器输出之间的相似性，ΓHL是变分自动编码器VAE中的损失函数，利用KL散度来计算高斯分布和嵌入特征分布之间的相似性，ΓHomo利用光谱角距离来计算全部空间特征提取模块输出与对应光谱特征提取模块输出之间的相似性。本实施方式中，层分别为各网络层输入分别为各网络层输出分别为(outpue",output"…output⃞各网络层输入分别为各网络层输出分别为最后一层节点个数为d/2，其他网络层节点个数均d2...dn}，各网络层输入分别为{ind1，ind2...indn}，各网络层输出分别为{outd1，[0079]基于多层次变分自动编码器的高光谱图像特征提取方法用于提取高光谱图像中[0084]在10366个训练集数据中选择40％的样本用于训练深度网络