【技术实现步骤摘要】
本专利技术涉及高光谱图像分类方法。
技术介绍
1、高光谱图像(hyperspectral images,hsi)将成像技术和光谱探测技术融为一体，使得每一个像素不仅承载着目标的空间特征，还包含了数十至数百个连续且细分的光谱信息，从而实现对地表覆盖的精细刻画[1](p.ghamisi et al.,"advances inhyperspectral image and signal processing:a comprehensive overview of thestate of the art,"in ieee geoscience andremote sensing magazine,vol.5,no.4,2017,pp.37-78.)。hsi也因其“图谱合一”的特性，被广泛应用于医疗诊断[2][3]([2]g.zhan,y.uwamoto andy.-w.chen,"hyperunet for medical hyperspectral imagesegmentation on a choledochal database,"2022ieee international conference onconsumer electronics(icce),las vegas,nv,usa,2022,pp.1-5.[3]y.li,r.wu,q.tan,z.yang and h.huan,"masked spectral bands modeling with shifted windows:anexcellent self-sup
2、早期hsi分类的方法主要集中于提取光谱数据中的特征信息，代表性的方法包括：逻辑回归[10](r.elkadiri et al.,"a remote sensing-based approach for debris-flow susceptibility assessment using artificial neural networks and logisticregression modeling,"in ieee journal of selected topics in applied earthobservations and remote sensing,vol.7,no.12,dec.2014,pp.4818-4835.)、随机森林[11](m.h.r.sales,s.de bruin,c.souza and m.herold,"land use and land coverarea estimates from class membership probability of a random forestclassification,"in ieee transactions on geoscience and remote sensing,vol.60,2022,pp.1-11.)、支持向量机[12][13][14]([12]m.sheykhmousa,m.mahdianpari,h.ghanbari,f.mohammadimanesh,p.ghamisi and s.homayouni,"support vector本文档来自技高网...
【技术保护点】
1.基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于超像素的图自注意力分支阶段依次包括编码层、第一图自注意力机制GSA、第二图自注意力机制GSA、解码层。
3.根据权利要求2所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于超像素的图自注意力分支阶段的工作过程为：
4.根据权利要求3所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述2)中图节点和数据预处理阶段输出的邻接矩阵H输入第一图自注意力机制GSA，第一图自注意力机制GSA输出特征；具体工作过程为：
5.根据权利要求4所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述K取值为4。
6.根据权利要求5所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述2)中第一图自注意力机制GSA输出特征和数据预处理阶段输出的邻
7.根据权利要求6所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于像素的多注意力融合分支阶段包括第一通道注意力模块、第一卷积块、第二卷积块、第一SE、第二SE、第二通道注意力模块、第三卷积块、第四卷积块、第三通道注意力模块；
8.根据权利要求7所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于像素的多注意力融合分支阶段的具体工作过程为：
9.根据权利要求8所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中分类阶段包含Softmax分类器；
10.根据权利要求9所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于贪心策略引导的图自注意力网络的训练过程为：
...【技术特征摘要】
1.基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述方法具体过程为：
2.根据权利要求1所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于超像素的图自注意力分支阶段依次包括编码层、第一图自注意力机制gsa、第二图自注意力机制gsa、解码层。
3.根据权利要求2所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述步骤一中基于超像素的图自注意力分支阶段的工作过程为：
4.根据权利要求3所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述2)中图节点和数据预处理阶段输出的邻接矩阵h输入第一图自注意力机制gsa，第一图自注意力机制gsa输出特征；具体工作过程为：
5.根据权利要求4所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特征在于：所述k取值为4。
6.根据权利要求5所述的基于贪心策略引导的图自注意力网络的高光谱图像分类方法，其特...
【专利技术属性】
技术研发人员：石翠萍，朱飞，钟志鹏，丁士航，雷叶奇，谭康宁，
申请(专利权)人：湖州师范学院，
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。