The invention relates to a hyperspectral data classification method based on a convolution neural network, which is a high spectral data classification method. The present invention is to solve the existing high spectrum image analysis and recognition accuracy dimension and the practical application does not match the needs of mathematical model, does not conform to the actual object distribution problems such as lack of logic, high spectral data classification method of hyperspectral data based on convolutional neural network is put forward to grayscale. The method is based on a step, hyperspectral original data processed by high spectral vector spectrum, spectral vector data is converted into gray image of hyperspectral data; step two, the classification model of autonomous learning by convolution texture samples samples, the classification of gray image data. Step by step. The invention is applied to the field of hyperspectral data classification.
【技术实现步骤摘要】
本专利技术涉及高光谱数据分类方法,特别涉及基于卷积神经网络的谱数据转灰度图的高光谱数据分类方法。
技术介绍
高光谱数据分类是高光谱遥感的一项应用,是利用所有物体都具有光谱特性,光谱分辨率在10l数量级范围内的光谱图像称为高光谱图像(HyperspectralImage)。且在同一光谱区物体反应的情况不同,同一物体对不同光谱的反应也有明显差别这一特点来对高光谱遥感数据进行分类。过去的高光谱数据分类方法主要通过以下两个思路:基于光谱匹配的影像分类、基于数据统计特性的分类。虽然通过这两个思路有很多的分类方法可以应用在高光谱遥感图像上,但是,在实际的应用和操作中,仍然显示了很多不足的方面,如训练成本高、高分辨率信息浪费、现有的高谱维的图像分析和识别精确度与实际应用的需求不匹配、数学模型不符合实际地物分布规律欠缺逻辑等问题。尤其是光谱维度的不断增加,使得现有的数据分析能力逐渐跟不上高谱维信息量的脚步。
技术实现思路
本专利技术的目的是为了解决现有的高谱维的图像分析和识别精确度与实际应用的需求不匹配、数学模型不符合实际地物分布规律且欠缺逻辑等问题,而提出的基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法。上述的专利技术目的是通过以下技术方案实现的:步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量,将高光谱的谱向量数据转换成为灰度图像数据;步骤一一、对高光谱原始数据进行逐层归一化,得到归一化后的高光谱数据;步骤一二、抽取归一化后的高光谱数据中每一个像元的全波段值,将每一个像元的全波段值组成一维向量数据步骤一三、在归一化后的高光谱数据中其他像元重复步骤一二遍历, ...
【技术保护点】
基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法,其特征在于,该方法具体是按照以下步骤进行的:步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量,将高光谱的谱向量数据转换成为灰度图像数据;步骤一一、对高光谱原始数据进行逐层归一化,得到归一化后的高光谱数据;步骤一二、抽取归一化后的高光谱数据中每一个像元的全波段值,将每一个像元的全波段值组成一维向量数据步骤一三、在归一化后的高光谱数据中其他像元重复步骤一二遍历,共提取出W×L个1×H的一维像元波谱向量即得到高光谱的谱向量;步骤一四、将高光谱的谱向量中每一个像元的波谱向量即1×H的一维向量均转置成为二维矩阵得到W×L个二维矩阵,并将W×L个二维矩阵保存成为含有W×L张灰度图片的样本集即灰度图像数据;步骤二、通过卷积分类模型自主学习样本集中样本的纹理特征,对灰度图像数据样本进行分类。
【技术特征摘要】
1.基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法,其特征在于,该方法具体是按照以下步骤进行的:步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量,将高光谱的谱向量数据转换成为灰度图像数据;步骤一一、对高光谱原始数据进行逐层归一化,得到归一化后的高光谱数据;步骤一二、抽取归一化后的高光谱数据中每一个像元的全波段值,将每一个像元的全波段值组成一维向量数据步骤一三、在归一化后的高光谱数据中其他像元重复步骤一二遍历,共提取出W×L个1×H的一维像元波谱向量即得到高光谱的谱向量;步骤一四、将高光谱的谱向量中每一个像元的波谱向量即1×H的一维向量均转置成为二维矩阵得到W×L个二维矩阵,并将W×L个二维矩阵保存成为含有W×L张灰度图片的样本集即灰度图像数据;步骤二、通过卷积分类模型自主学习样本集中样本的纹理特征,对灰度图像数据样本进行分类。2.根据权利要求1所述基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法,其特征在于:步骤一一中所述对高光谱原始数据进行预处理具体为:对高光谱原始数据进行逐层归一化:norm(xi,jk)=xi,jk-m...
【专利技术属性】
技术研发人员:林连雷,魏长安,宋欣益,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。