【技术实现步骤摘要】
基于Lush多层特征融合偏置网络的地物识别方法
[0001]本专利技术涉及地物识别方法。
技术介绍
[0002]高光谱图像(Hyperspectral images,HSIs)是通过搭载在不同空间平台上的高光谱传感器获取得到,蕴含着土地覆盖表面的丰富光谱信息和空间信息[1]。随着高光谱成像技术的快速发展,所获取的光谱与空间信息越来越丰富,这使得准确识别和区分地物覆盖类别成为可能。目前,高光谱图像分类(Hyperspectral image classification,HSIC)是遥感领域的一个主要研究方向。高光谱分类技术广泛应用在军事侦察[2]、地质灾害[3]、植被和生态监测[4]以及其他领域[5]。
[0003]在HSI分类任务的早期研究中,对于HSI的光谱特征的提取方法被相继提出,例如,卷积神经网络(Convolutional neural networks,CNNs)[6]、支持向量机(Support vector machine,SVM)[7]等。虽然这些方法充分利用了HSI的光谱信息,但是由于没有考虑到空间信息,所得到的结果并不理想。为了提高对高光谱图像分类的能力,一些研究利用多种形态运算来构建高光谱图像的光谱空间特征[8]。基于光谱和空间特征提取的经典方法包括,复合核[9]、形态核[10]等多核学习方法。此外,为了改善分类性能,在[11],稀疏表示作为一种强大的信号处理工具,可用于分析HSI中相邻的空间信息。根据纹理的相似性[12],将HSI分割成多个超像素来探索空间的一致性。上述传统算法大多基 ...
【技术保护点】
【技术特征摘要】
1.基于Lush多层特征融合偏置网络的地物识别方法,其特征在于:所述方法具体过程为:一、建立基于Lush多层特征融合偏置网络LMFFBNet,基于训练集获得训练好的基于Lush多层特征融合偏置网络LMFFBNet;所述训练集为采集的高光谱图像;二、将待测高光谱图像输入训练好的基于Lush多层特征融合偏置网络LMFFBNet,完成对待测高光谱图像的分类;所述基于Lush多层特征融合偏置网络LMFFBNet包括输入层、前端子网络、后端子网络、SFB模块、MFFB模块、第一卷积模块、第二卷积模块、CAM模块、BN层、第一平均池化层、FC层、分类层;所述基于Lush多层特征融合偏置网络LMFFBNet连接关系为:图像输入前端子网络,前端子网络输出结果分别输入后端子网络和MFFB模块;后端子网络输出结果输入MFFB模块;将MFFB模块输出结果和后端子网络输出结果进行融合,得到融合后特征;融合后特征输入第一卷积模块,第一卷积模块输出输入第二卷积模块;第二卷积模块输出输入CAM模块,将CAM模块输出结果和第二卷积模块输出结果进行点乘;点乘结果依次经过BN层、第一平均池化层、FC层、分类层,得到最终分类结果。2.根据权利要求1所述的基于Lush多层特征融合偏置网络的地物识别方法,其特征在于:所述前端子网络依次包括第一卷积层、第二卷积层、Lush激活函数;所述后端子网络依次包括第三卷积层、第四卷积层、第五卷积层、第六卷积层、Lush激活函数;所述第一卷积模块依次包括第七卷积层、Lush激活函数;所述第二卷积模块依次包括第八卷积层、Lush激活函数。所述第一层卷积核大小为1*1*7,步长为2;所述第二层卷积核大小为1*1*1,步长为1;所述第三层卷积核大小为1*1*3,步长为1;所述第四层卷积核大小为1*1*5,步长为1;所述第五层卷积核大小为1*1*7,步长为1;所述第六层卷积核大小为1*1*1,步长为1。3.根据权利要求2所述的基于Lush多层特征融合偏置网络的地物识别方法,其特征在于:所述MFFB模块包括第三卷积模块、第四卷积模块、第五卷积模块、第六卷积模块;所述MFFB模块连接关系为:将前端子网络输出特征A均分为特征A1、特征A2、特征A3、特征A4;将后端子网络输出特征B均分为特征B1、特征B2、特征B3、特征B4;将特征A1和特征B1进行融合得到特征C1,将特征C1输入第三卷积模块输出特征C2;将特征C2、特征A2和特征B2进行融合得到特征F1,将特征F1输入第四卷积模块输出特征C3;将特征C3、特征A3和特征B3进行融合得到特征F2,将特征F2输入第五卷积模块输出特
征C4;将特征C4、特征A4和特征B4进行融合得到特征F3,将特征F3输入第六卷积模块输出特征F;将特征F与后端子网络输出特征B进行融合得到MFFB模块输出结果;所述第三卷积模块依次包括第九卷积层、第十卷积层、第十一卷积层、第十二卷积层、Lush激活函数;所述第四卷积模块依次包括第十三卷积层、第十四卷积层、第十五卷积层、第十六卷积层、Lush激活函数;所述第五卷积模块依次包括第十七卷积层、第十八卷积层、第十九卷积层、第二十卷积层、Lush激活函数;所述第六卷积模块依次包括第二十一卷积层、第二十二卷积层、第二十三卷积层、第二十四卷积层、Lush激活函数。4.根据权利要求3所述的基于Lush多层特征融合偏置网络的地物识别方法,其特征在于:所述第九卷积层、第十三卷积层、第十七卷积层、第二十一卷积层的卷积核大小为3
×3×
1;所述第十卷积层、第十四卷积层、第十八卷积层、第二十二卷积层的卷积核大小为1
×1×
1;所述第十一卷积层、第十五卷积层、第十九卷积层、第二十三卷积层的卷积核大小为1
×1×
3;所述第十二卷积层、第十六卷积层、第二十卷积层、第二十四卷积层的卷积核大小为1
×1×
5;所述第九卷积层、第十卷积层、第十一卷积层、第十二卷积层、第十三卷积层、第十四卷积层、第十五卷积层、第十六卷积层、第十七卷积层、第十八卷积层、第十九卷积层、第二十卷积层、第二十一卷积层、第二十二卷积层、第二十三卷积层、第二十四卷积层的步长为1。5.根据权利要求4所述的基于Lush多层特征融合偏置网络的地物识别方法,其特征在于:所述SFB模块包括输入层、第二平均池化层、最大池化层、第三平均池化层、Lush激活函数;所述SFB模块...
【专利技术属性】
技术研发人员:石翠萍,陈家祥,王丽婧,王天毅,
申请(专利权)人:齐齐哈尔大学,
类型:发明
国别省市:
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。