申请/专利权人：安徽大学

申请日：2024-04-16

公开（公告）日：2024-07-05

公开（公告）号：CN118298234A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V10/77;G06V10/44;G06V10/42;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：本发明涉及一种基于光谱‑空间注意力机制和残差网络的高光谱图像分类方法，包括：输入高光谱图像；使用主成分分析进行降维，得到降维后的高光谱图像；进行初步特征提取，得到经特征提取后的图像；得到增强后的图像；得到进一步挖掘空间特征的图像；得到经过自适应校准后的图像；将经过自适应校准后的图像经过全局池化、展平、批归一化和全连接层，得到最终的分类结果。本发明使用深度可分离卷积块，以此实现轻量级、高效率的特征提取；残差SEA注意力模块通过纵向和横向挤压获取全局信息，又通过增强获取局部信息；残差EMA注意力模块能够获取像素间的成对关系，更好地挖掘空间特征；残差SE注意力模块能够自适应校准通道信息，更好获取通道信息。

主权项：1.一种基于光谱-空间注意力机制和残差网络的高光谱图像分类方法，其特征在于：该方法包括以下顺序的步骤：1输入高光谱图像H∈Rh×w×l，其中h、w、l分别表示高光谱图像的长度、宽度和波段数；2对输入的高光谱图像H∈Rh×w×l使用主成分分析进行降维，得到降维后的高光谱图像HPCA∈Rh×w×b，将波段数从l降维到b；3将降维后的高光谱图像HPCA∈Rh×w×b通过两个3×3卷积块，进行初步特征提取，得到经特征提取后的图像H3×3；所述3×3卷积块包括一个二维3×3卷积、批归一化层和Relu激活函数；4将经特征提取后的图像H3×3通过两个残差SEA注意力模块，利用轴向挤压提取全局语义信息，再利用细节增强提取局部信息，得到增强后的图像HSEA；5将增强后的图像HSEA通过一个残差EMA注意力模块，重新校准通道权重，利用跨维交互捕获空间像素成对关系，得到进一步挖掘空间特征的图像HEMA；6将进一步挖掘空间特征的图像HEMA通过一个残差SE注意力模块，得到经过自适应校准后的图像HSE；7将经过自适应校准后的图像HSE经过全局池化、展平、批归一化和全连接层，得到最终的分类结果。

全文数据：

权利要求：

百度查询： 安徽大学 基于光谱-空间注意力机制和残差网络的高光谱图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD