【技术实现步骤摘要】
联合稠密连接网络和样本分布的高光谱开放集分类方法
本专利技术属于图像处理
,更进一步涉及高光谱图像开放集分类
中的联合稠密连接网络和样本分布的高光谱开放集分类方法。本专利技术不仅能对训练过程中出现的已知类进行分类,还能对训练过程中没有出现的未知类加以拒绝。
技术介绍
高光谱分类技术是高光谱成像技术中一项重要内容,其具体任务是是利用相邻像素的空间相关性和光谱信息的特征,对图像中的每个像素点所对应的物质的属性进行归类。这项技术在民用和军用领域有着巨大实用价值,如农作物病虫害检测、地质勘探、环境检测和战场伪装目标侦察等方面。该技术也是高光谱感知领域的研究热点之一,到目前为止已经诞生了很多分类方法。近几年随着以深度学习为代表的人工智能方法的崛起,以卷积神经网络及其衍生模型(如残差网络、循环网络和胶囊网络等)为基本框架的深度网络受到高光谱图像分类领域各位专家学者的重视,逐步成为高光谱图像分类的重要技术手段。基于深度学习的高光谱图像分类和识别方法大部分属于有监督的分类和识别。其思想是通过有标签的高光谱图像数据对深度神经网络进行训练,然后使用训练好的深度神经网络对高光谱图像进行分类和识别。尽管深度学习的应用极大地提高了高光谱图像智能感知的能力,然而值得注意的是这些基于深度学习的高光谱分类方法均基于一个理想的假设——闭合集假设。所谓闭合集假设,是指测试数据和训练数据均来自于相同的类别空间,并具有相同的概率分布,即测试类别包含于训练类别。然而由于实际环境的复杂性和动态性,研究人员无法搜集到所有类别物质的标签信息。公 ...
【技术保护点】
1.联合稠密连接网络和样本分布的高光谱开放集分类方法,其特征在于,具体包括下述步骤:/n步骤S1:对输入的高光谱图像进行预处理;/n预处理分为五个步骤,依次为高光谱数据标注、最小最大值归一化、双边滤波器滤波、主成分分析降维、最小最大值归一化;/n(1a)高光谱数据标注:基于先验信息,赋予各个已知类标签信息,并对高光谱数据中属于各个已知类的像素进行标注;/n(1b)进行最小最大值归一化,归一化公式为:/n
【技术特征摘要】
1.联合稠密连接网络和样本分布的高光谱开放集分类方法,其特征在于,具体包括下述步骤:
步骤S1:对输入的高光谱图像进行预处理;
预处理分为五个步骤,依次为高光谱数据标注、最小最大值归一化、双边滤波器滤波、主成分分析降维、最小最大值归一化;
(1a)高光谱数据标注:基于先验信息,赋予各个已知类标签信息,并对高光谱数据中属于各个已知类的像素进行标注;
(1b)进行最小最大值归一化,归一化公式为:
式中xijd和分别代表归一化处理前后的高光谱影像数据;(i,j)代表高光谱影像像素的空间位置坐标;d代表高光谱影像的第d个波段;xmax和xmin分别代表三维高光谱影像数据中的最小值和最大值;a和b均为常数,使得归一化后的数值在(0,1)范围内,且不包括0和1;
(1c)双边滤波器滤波
输入高光谱图像,对其所有波段处的图像使用双边滤波器进行滤波;通过改变双边滤波器滤波窗口的直径调节双边滤波器对高光谱图像的滤波效果,进一步提高高光谱的分类精度;
(1d)主成分分析降维
对滤波后的高光谱图像数据进行主成分分析降维,降维后的波段数为L;
(1e)重复最小最大值归一化;
步骤S2:数据分割:具体分为三步进行操作,如下所示:
(2a)对高光谱影像空间域的边沿进行扩充,扩充的宽度为使其维度由(H,W,L)扩展成为边沿扩展层的数值均为0;
(2b)以待分类像素为中心,以m×m×L邻域范围内的数据块Hm×m×L作为中心像素的样本数据,逐个像素地遍历高光谱数据,生成大量维度为m×m×L的数据块;
(2c)对中心像素属于已知类的数据块,以中心像素所属标签为该数据块的标签;
其中,(H,W,L)分别代表高光谱影像空间域的长、宽值和光谱域的光谱通道数;m代表数据块在空间域的长宽值;
步骤S3:生成训练数据集和测试数据集;
从步骤S2提取出来的带有标签的数据块中随机抽取20%的数据块作为分类模型的训练数据集,其余的数据块作为测试数据集;测试数据集包括剩余80%的带有标签的数据块和所有没有标签的数据块;
步骤S4:构建1D/2D稠密连接网络模型,其中网络整体结构如下:
网络由1D光谱特征提取分支和2D空间特征提取分支并联组成,数据块Λ(Λ∈Hm×m×L)同时输入这两条分支;
在1D光谱特征提取分支:数据块Λ首先通过一个宽度为24的1D卷积层;然后通过一个宽度为12、层数为3的1D稠密连接模块;接着通过一个宽度为60的1D自适应卷积层;然后通过全局平均池化得到形状为(1,60)的光谱特征矢量vSpectral;1D自适应卷积层根据稠密连接模块输出结果调整1D卷积层中卷积核的尺寸,从而将数据从三维降到二维;
在2D空间特征提取分支:数据块Λ首先通过一个宽度为24的1D自适...
【专利技术属性】
技术研发人员:江天,刘煜,侯静,彭元喜,周侗,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:湖南;43
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。