【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种高光谱图像的分类方法和装置。
技术介绍
1、高光谱图像是一种由数百个连续的光谱波段组成的三维数据，包含了丰富的光谱信息，可以提取出不同地面物体的细节特征。高光谱图像分类的目的是为每个像素确定一个类别。
2、目前，在对高光谱图像进行分类时，传统的做法为：先将高光谱图像切分成多个图像块，并基于图像块的方法，实现对高光谱图像的分类。
3、但是，上述图像块的方法会限制对整个高光谱图像的理解，无法建模整个高光谱图像中的长距离依赖关系，从而导致高光谱图像的分类结果的准确度较低。
技术实现思路
1、本申请提供一种高光谱图像的分类方法和装置，提高了高光谱图像的分类结果的准确度。
2、本申请提供一种高光谱图像的分类方法，该高光谱图像的分类方法可以包括：
3、获取待分类的高光谱图像；
4、将所述高光谱图像输入至光谱图像分类模型中的第一卷积模块，通过所述第一卷积模块对所述高光谱图像进行降维处理，得到浅层空间光谱特征；
5、将所述浅层空间光谱特征分别输入至所述光谱图像分类模型中的空间特征混合模块和光谱特征混合模块中，通过所述空间特征混合模块提取所述浅层空间光谱特征的多尺度空间特征图，并通过所述光谱特征混合模块提取所述浅层空间光谱特征的多尺度光谱特征图；
6、将所述多尺度空间特征图和所述多尺度光谱特征图的叠加结果输入所述光谱图像分类模型中的第二卷积模块中，通过所述第二卷积模块对所述叠加结果进行
7、根据本申请提供的一种高光谱图像的分类方法，所述空间特征混合模块包括依次串联的第一归一化层、空间自适应特征调制单元、第二归一化层和空间混合器，所述通过所述空间特征混合模块提取所述浅层空间光谱特征的多尺度空间特征图，包括：
8、通过所述第一归一化层对所述浅层空间光谱特征进行归一化处理，得到第一空间光谱特征；
9、通过所述空间自适应特征调制单元对所述第一空间光谱特征进行空间自适应特征调制，得到第一空间特征；
10、通过所述第二归一化层对所述浅层空间光谱特征和所述第一空间特征的第一乘积进行归一化处理，得到第二空间特征；
11、通过所述空间混合器对所述第二空间特征进行空间混合处理，得到第三空间特征，所述第三空间特征和所述第一乘积的叠加结果为所述多尺度空间特征图。
12、根据本申请提供的一种高光谱图像的分类方法，所述空间自适应特征调制单元包括依次串联的多尺度空间特征生成单元、第一卷积层和第一激活函数，所述通过所述空间自适应特征调制单元对所述第一空间光谱特征进行空间自适应特征调制，得到第一空间特征，包括：
13、通过所述多尺度空间特征生成单元提取所述第一空间光谱特征对应的多个空间特征图；
14、通过所述第一卷积层对所述多个空间特征图的拼接结果进行卷积，得到卷积后的空间特征图；
15、通过所述第一激活函数对所述卷积后的空间特征图进行非线性变换，得到变换后的空间特征图，所述变换后的空间特征图和所述第一空间光谱特征的乘积为所述第一空间特征。
16、根据本申请提供的一种高光谱图像的分类方法，所述多尺度空间特征生成单元包括并联的第一深度卷积层和多个空间特征生成分支，各空间特征生成分支均包括依次串联的自适应平均池化层，第二深度卷积层和最近邻上采样层，所述各空间特征生成分支包括的自适应平均池化层的池化分辨率不同，所述通过所述多尺度空间特征生成单元提取所述第一空间光谱特征对应的多个空间特征图，包括：
17、通过所述第一深度卷积层对所述第一空间光谱特征进行深度卷积，第一空间特征图；
18、针对所述各空间特征生成分支，通过所述自适应平均池化层对所述第一空间光谱特征进行池化处理，得到池化后的空间特征；通过所述第二深度卷积层对所述池化后的空间特征进行深度卷积，得到深度卷积后的空间特征；通过所述最近邻上采样层对所述深度卷积后的空间特征进行上采样，得到第二空间特征图；
19、其中，所述多个空间特征图包括所述第一空间特征图和所述各空间特征生成分支得到的所述第二空间特征图。
20、根据本申请提供的一种高光谱图像的分类方法，所述光谱特征混合模块包括依次串联的第三归一化层、光谱自适应特征调制单元、第四归一化层和光谱混合器，所述通过所述光谱特征混合模块提取所述浅层空间光谱特征的多尺度光谱特征图，包括：
21、通过所述第三归一化层对所述浅层空间光谱特征进行归一化处理，得到第二空间光谱特征；
22、通过所述光谱自适应特征调制单元对所述第二空间光谱特征进行光谱自适应特征调制，得到第一光谱特征；
23、通过所述第四归一化层对所述浅层空间光谱特征和所述第一光谱特征的第二乘积进行归一化处理，得到第二光谱特征；
24、通过所述光谱混合器对所述第二光谱特征进行空间混合处理，得到第三光谱特征，所述第三光谱特征和所述第二乘积的叠加结果为所述多尺度光谱特征图。
25、根据本申请提供的一种高光谱图像的分类方法，所述光谱自适应特征调制单元包括依次串联的卷积单元、第二卷积层和第二激活函数，所述通过所述光谱自适应特征调制单元对所述第二空间光谱特征进行光谱自适应特征调制，得到第一光谱特征，包括：
26、通过所述卷积单元对所述第二空间光谱特征进行卷积，得到多个光谱特征图；
27、通过所述第二卷积层对所述多个光谱特征图的相加结果进行卷积，得到卷积后的第一光谱特征图；
28、通过所述第二激活函数对所述第一光谱特征图进行非线性变换，得到变换后的光谱特征图，所述变换后的光谱特征图和所述第二空间光谱特征的乘积为所述第一光谱特征。
29、根据本申请提供的一种高光谱图像的分类方法，所述卷积单元包括并联的多个卷积分支，所述多个卷积分支的卷积核不同，所述通过所述卷积单元对所述第二空间光谱特征进行卷积，得到多个光谱特征图，包括：
30、针对各卷积分支，通过所述卷积分支对所述第二空间光谱特征进行卷积，得到卷积后的第二光谱特征图；
31、其中，所述多个光谱特征图包括所述各卷积分支得到的所述第二光谱特征图。
32、本申请还提供一种高光谱图像的分类装置，该高光谱图像的分类装置可以包括：
33、获取单元，用于获取待分类的高光谱图像；
34、第一处理单元，用于将所述高光谱图像输入至光谱图像分类模型中的第一卷积模块，通过所述第一卷积模块对所述高光谱图像进行降维处理，得到浅层空间光谱特征；
35、第二处理单元，用于将所述浅层空间光谱特征分别输入至所述光谱图像分类模型中的空间特征混合模块和光谱特征混合模块中，通过所述空间特征混合模块提取所述浅层空间光谱特征的多尺度空间特征图，并通过所述光谱特征混合模块提取所述浅层空间光谱特征的多尺度光谱特征图；
36、第三处理本文档来自技高网...
【技术保护点】
1.一种高光谱图像的分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述空间特征混合模块包括依次串联的第一归一化层、空间自适应特征调制单元、第二归一化层和空间混合器，所述通过所述空间特征混合模块提取所述浅层空间光谱特征的多尺度空间特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述空间自适应特征调制单元包括依次串联的多尺度空间特征生成单元、第一卷积层和第一激活函数，所述通过所述空间自适应特征调制单元对所述第一空间光谱特征进行空间自适应特征调制，得到第一空间特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述多尺度空间特征生成单元包括并联的第一深度卷积层和多个空间特征生成分支，各空间特征生成分支均包括依次串联的自适应平均池化层，第二深度卷积层和最近邻上采样层，所述各空间特征生成分支包括的自适应平均池化层的池化分辨率不同，所述通过所述多尺度空间特征生成单元提取所述第一空间光谱特征对应的多个空间特征图，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述光谱特征混合模块包括依次串联的第
6.根据权利要求5所述的方法，其特征在于，所述光谱自适应特征调制单元包括依次串联的卷积单元、第二卷积层和第二激活函数，所述通过所述光谱自适应特征调制单元对所述第二空间光谱特征进行光谱自适应特征调制，得到第一光谱特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述卷积单元包括并联的多个卷积分支，所述多个卷积分支的卷积核不同，所述通过所述卷积单元对所述第二空间光谱特征进行卷积，得到多个光谱特征图，包括：
8.一种高光谱图像的分类装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的高光谱图像的分类方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的高光谱图像的分类方法。
...【技术特征摘要】
1.一种高光谱图像的分类方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述空间特征混合模块包括依次串联的第一归一化层、空间自适应特征调制单元、第二归一化层和空间混合器，所述通过所述空间特征混合模块提取所述浅层空间光谱特征的多尺度空间特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述空间自适应特征调制单元包括依次串联的多尺度空间特征生成单元、第一卷积层和第一激活函数，所述通过所述空间自适应特征调制单元对所述第一空间光谱特征进行空间自适应特征调制，得到第一空间特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述多尺度空间特征生成单元包括并联的第一深度卷积层和多个空间特征生成分支，各空间特征生成分支均包括依次串联的自适应平均池化层，第二深度卷积层和最近邻上采样层，所述各空间特征生成分支包括的自适应平均池化层的池化分辨率不同，所述通过所述多尺度空间特征生成单元提取所述第一空间光谱特征对应的多个空间特征图，包括：
5.根据权利要求1-4任一项所述的方法，其特征在于，所述光谱特征混合模块包括依次串联的第三归...
【专利技术属性】
技术研发人员：谢永虎，苏芝娟，李梦薇，吴日红，
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。