【技术实现步骤摘要】
本专利技术涉及图像数据处理，尤其涉及一种图像分类方法及图像分类装置。
技术介绍
1、高光谱图像可以同时记录观测对象/识别目标的光谱信息和空间信息。同时，高光谱图像具有高成像光谱分辨率和快速无损检测的特点。因此，高光谱图像被广泛应用于许多领域，如作物分类和产量估算、矿产资源勘探、城市土地规划、海洋监测、防火和灾后评估等。高光谱图像的分类是分析高光谱图像的关键步骤，指的是识别高光谱图像中每个像素的类别，具有重要的研究价值。为了提高高光谱图像分类精度，过去已经开展了许多研究，主要包括基于传统机器学习的图像识别方法和基于深度学习的图像识别方法。
2、其中，传统机器学习的图像识别方法中，通常从高光谱图像中提取固定的模式特征，提取过程依赖于先验知识和适当的参数设置，这些局限性严重影响了所提取特征的鲁棒性和识别性，使得在复杂场景中难以获得满意且准确的分类结果。基于深度学习的图像识别方法通常使用一维向量作为输入，只考虑高光谱图像中像素的光谱信息。虽然高光谱图像的光谱分辨率很高，但“同物异谱”和“同谱异物”现象的存在，导致最终确定的分类结果也不够准确。
技术实现思路
1、本专利技术提供一种图像分类方法及图像分类装置，用以解决现有的图像分类方法导致最终确定的分类结果不够准确的缺陷，采用光谱卷积神经网络和空间卷积神经网络各自的三维卷积层和残差块，能够有效且准确地提取遥感图像的光谱特征和空间特征，进而结合该光谱特征和该空间特征，得到准确性较高的空谱联合分类结果。
2、本专利技术提供
3、采用所述第一三维卷积层、所述第二三维卷积层和所述第一残差块，对遥感图像的图像块进行光谱特征处理，得到所述遥感图像对应的光谱特征图；
4、采用所述第三三维卷积层和所述第二残差块，对所述遥感图像的图像块进行空间特征处理，得到所述遥感图像对应的空间特征图；
5、根据所述光谱特征图和所述空间特征图，对所述遥感图像进行分类，得到空谱联合分类结果。
6、根据本专利技术提供的一种图像分类方法，所述采用所述第一三维卷积层、所述第二三维卷积层和所述第一残差块，对遥感图像的图像块进行光谱特征处理，得到所述遥感图像对应的光谱特征图，包括：采用所述第一三维卷积层，对所述遥感图像的光谱维度进行降维处理，得到第一特征图；采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图；根据所述第一特征图和所述第二特征图，确定目标特征图；采用所述第二三维卷积层，对所述目标特征图的图像块进行光谱特征提取，得到所述光谱特征图。
7、根据本专利技术提供的一种图像分类方法，所述根据所述光谱特征图和所述空间特征图，对所述遥感图像进行分类，得到空谱联合分类结果，包括：对所述光谱特征图进行光谱信息增强，得到目标光谱特征图，并对所述空间特征图进行空间信息增强，得到目标空间特征图；将所述目标光谱特征图和所述目标空间特征图进行融合，得到目标融合特征图；对所述目标融合特征图进行分类，得到所述空谱联合分类结果。
8、根据本专利技术提供的一种图像分类方法，所述第一残差块包括第四三维卷积层、批量归一化层和修正线性单元激活函数；所述采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图，包括：采用所述第四三维卷积层，对所述第一特征图的图像块进行光谱特征提取，得到第一子特征图；采用所述批量归一化层，对所述第一子特征图进行归一化处理，得到第二子特征图；采用所述修正线性单元激活函数，对所述第二子特征图进行非线性变换，得到所述第二特征图。
9、根据本专利技术提供的一种图像分类方法，在所述第一残差块的数量为多个的情况下，多个所述第一残差块级联；所述采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图，包括：采用首个第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第五特征图；针对其它第一残差块均执行以下操作：将前一第一残差块输出的第五特征图作为其它第一残差块的输入，并得到所述其它第一残差块输出的第六特征图；将最后一个第一残差块输出的第六特征图，确定为所述第二特征图。
10、根据本专利技术提供的一种图像分类方法，所述采用所述第三三维卷积层和所述第二残差块，对所述遥感图像的图像块进行空间特征处理，得到所述遥感图像对应的空间特征图，包括：采用所述第三三维卷积层，对所述遥感图像的空间维度进行降维处理，得到第三特征图；采用所述第二残差块，对所述第三特征图的图像块进行空间特征提取，得到第四特征图；根据所述第三特征图和所述第四特征图，确定得到所述空间特征图。
11、根据本专利技术提供的一种图像分类方法，所述对所述光谱特征图进行光谱信息增强，得到目标光谱特征图，并对所述空间特征图进行空间信息增强，得到目标空间特征图，包括：采用全局多尺度注意力网络，将所述光谱特征图和所述空间特征图进行融合，得到第一融合特征图；采用多尺度注意力模块，对所述第一融合特征图进行条状池化操作和卷积操作，得到第二融合特征图；根据所述光谱特征图、所述第一融合特征图和所述第二融合特征图，确定所述目标光谱特征图；根据所述空间特征图、所述第一融合特征图和所述第二融合特征图，确定所述目标空间特征图。
12、根据本专利技术提供的一种图像分类方法，所述将所述目标光谱特征图和所述目标空间特征图进行融合，得到目标融合特征图，包括：采用自适应特征融合网络，将所述目标光谱特征图和所述目标空间特征图进行拼接，得到第一拼接特征图；对所述第一拼接特征图进行全局平均池化操作，得到第一池化特征图，并将所述第一拼接特征图进行全局最大池化操作，得到第二池化特征图；将所述第一池化特征图和所述第二池化特征图进行拼接，得到第二拼接特征图；根据所述第一拼接特征图和所述第二拼接特征图，确定所述目标融合特征图。
13、根据本专利技术提供的一种图像分类方法，所述对所述目标融合特征图进行分类，得到所述空谱联合分类结果，包括：确定所述目标融合特征图对应的标记序列；采用编码器中分离的空谱联合自注意力网络，对所述标记序列进行线性变换和全局平均池化操作，得到上下文向量编码特征图；采用所述编码器中的门控前馈网络，对所述上下文向量编码特征图进行线性变换，得到目标编码特征图；采用多层感知器网络，对所述目标编码特征图进行分类，得到所述空谱联合分类结果。
14、本专利技术还提供一种图像分类装置，光谱卷积神经网络包括第一三维卷积层、第二三维卷积层和第一残差块，空间卷积神经网络包括第三三维卷积层和第二残差块，所述装置包括：
15、特征处理模块，用于采用所述第一三维卷积层、所述第二三维卷积层和所述第一残差块，对遥感图像的图像块进行光谱特征处理，得到所述遥感图像对应的光谱特征图；采用所述第三三维卷积层和所述第二残差块，对所述遥感图像的图像块进行空间特征处理，得到所述遥感图像对应的空间特征图；
【技术保护点】
1.一种图像分类方法，其特征在于，光谱卷积神经网络包括第一三维卷积层、第二三维卷积层和第一残差块，空间卷积神经网络包括第三三维卷积层和第二残差块，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用所述第一三维卷积层、所述第二三维卷积层和所述第一残差块，对遥感图像的图像块进行光谱特征处理，得到所述遥感图像对应的光谱特征图，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述光谱特征图和所述空间特征图，对所述遥感图像进行分类，得到空谱联合分类结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述第一残差块包括第四三维卷积层、批量归一化层和修正线性单元激活函数；所述采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图，包括：
5.根据权利要求2所述的方法，其特征在于，在所述第一残差块的数量为多个的情况下，多个所述第一残差块级联；所述采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图，包括：
6.根据权利要求1或2所述的方法，其特征在于，所述采
7.根据权利要求3所述的方法，其特征在于，所述对所述光谱特征图进行光谱信息增强，得到目标光谱特征图，并对所述空间特征图进行空间信息增强，得到目标空间特征图，包括：
8.根据权利要求3所述的方法，其特征在于，所述将所述目标光谱特征图和所述目标空间特征图进行融合，得到目标融合特征图，包括：
9.根据权利要求3所述的方法，其特征在于，所述对所述目标融合特征图进行分类，得到所述空谱联合分类结果，包括：
10.一种图像分类装置，其特征在于，光谱卷积神经网络包括第一三维卷积层、第二三维卷积层和第一残差块，空间卷积神经网络包括第三三维卷积层和第二残差块，所述装置包括：
...【技术特征摘要】
1.一种图像分类方法，其特征在于，光谱卷积神经网络包括第一三维卷积层、第二三维卷积层和第一残差块，空间卷积神经网络包括第三三维卷积层和第二残差块，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述采用所述第一三维卷积层、所述第二三维卷积层和所述第一残差块，对遥感图像的图像块进行光谱特征处理，得到所述遥感图像对应的光谱特征图，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述光谱特征图和所述空间特征图，对所述遥感图像进行分类，得到空谱联合分类结果，包括：
4.根据权利要求2所述的方法，其特征在于，所述第一残差块包括第四三维卷积层、批量归一化层和修正线性单元激活函数；所述采用所述第一残差块，对所述第一特征图的图像块进行光谱特征提取，得到第二特征图，包括：
5.根据权利要求2所述的方法，其特征在于，在所述第一残差块的数量为多个的情况下，多个所述第一残差块级联；所述采用所述第一残差块...
【专利技术属性】
技术研发人员：李梦薇，苏芝娟，卜冬冬，吴日红，谢珠利，
申请(专利权)人：北京观微科技有限公司，
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。