CN119418114A 一种高光谱图像分类方法及系统 （青岛科技大学）_第1页
CN119418114A 一种高光谱图像分类方法及系统 （青岛科技大学）_第2页
CN119418114A 一种高光谱图像分类方法及系统 （青岛科技大学）_第3页
CN119418114A 一种高光谱图像分类方法及系统 （青岛科技大学）_第4页
CN119418114A 一种高光谱图像分类方法及系统 （青岛科技大学）_第5页
已阅读5页，还剩23页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种高光谱图像分类方法及2将光谱空间特征和从预处理后图像中提取的频域特征进行融合，获根据预处理后图像中每个像素点的光谱特征和空间特征，确定光谱、空间和频域特征提取模块，用于从预处理后图像中提全局特征提取模块，用于对预处理后图像进行超像素分割，将图像特征融合模块，用于将图结构的全局特征和高光谱图3计算机可读存储介质，所述计算机可读存储介质中9.一种计算机可读存储介质，其特征在于，序，计算机程序适于由处理器加载并执行权利要求1_6任一项所述的一种高光谱图像分类4[0001]本发明涉及高光谱图像分类技术领域，尤其涉及一种高光谱图像分类方法及系[0002]本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技过图结构捕捉全局特征，并且在处理高光谱图像的复杂空间关系方面表现优越。特别是5算机程序，计算机程序适于由处理器加载并执行第一方面提出的一种高光谱图像分类方67[0055]频域特征(Frequency_DomainFeatures)：通过傅里叶变换将图像从时域转换到有效结合。这种单一特征提取的方式限制了模型在处理具有复杂光谱_空间信息的高光谱8性；之后，对批量归一化处理后数据X进行卷积计算，降低数据维度，获得预处理后图像9[0080]本实施例利用局部特征提取网络从预处理后图像中提取获得高光谱图像的局部后图像中分别提取光谱空间特征Yspatial-spectral和频域特征Yfrequency，并将光谱空间特征一卷积网络通过点卷积(PointwiseConvolution)提取从预处理后图像中提取光谱特征，度卷积(DepthwiseConvolution)提取从第一卷积网络输出的光谱特征中提取空间特征，获得光谱空间特征Yspatial-spectral[0093]将光谱空间特征提取分支输出的光谱空间特征Yspatial-spectral和频域特征提取分的对比损失(ContrastiveLoss)通过最小化相似样本间的距离并最大化不相似样本的距取网络结构强化了对于样本间细节差异的捕捉，从而有效提高了小样本条件下的分类性结构的全局特征。全局特征提取网络通过PCA(主成分分析)方法将预处理后图像Xconv降维jj为预处理后图像中ijj为预c和Ns分别为归一化参数，用于调整颜色和空间信息在距离global表示全局特征提取网络提取出的[0112]本实施例将从全局特征提取网络提取到的全局特征Fglobal和从局部特征提取网络[0114]本实施例采用Softmax分类器对高光谱图像的融合特征进行识别，确定高光谱图的分类部分，模型使用交叉熵损失函数来监过计算模型预测的类别概率分布与真实标签之间的差异，优化分类性能。其公式为：[0118]本实施例在通过CNN提取高光谱图像的空间和光谱特征的基础上，增加了对高光[0136]实施例1公开的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬[0137]本领域普通技术人员可以意识到，结合本实施例描

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论