买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京邮电大学

摘要：本发明公开了一种基于通道特征融合的高光谱图像小样本分类方法及装置，其中，方法包括：将原始图像数据输入基于深度学习的HSI分类模型，通过基于深度学习的HSI分类模型的两个通道分别提取HSI空间‑光谱特征数据和单个像素的光谱特征数据；对HSI空间‑光谱特征数据和单个像素的光谱特征数据进行特定卷积操作；将经过特定卷积操作的两个特征数据分别经过全连接层，通过控制全连接层神经元的数量控制特征数据融合比例；将经过特定卷积操作的两个特征数据进行拼接，并将拼接后的融合特征数据输入分类器，以得到图像分类结果。本发明通过提出一个新的基于深度学习的HSI分类模型，解决深度学习在训练数据不足时的性能问题和模型训练耗时过长问题。

主权项：1.一种基于通道特征融合的高光谱图像小样本分类方法，其特征在于，所述方法包括以下步骤：将原始图像数据输入基于深度学习的HSI分类模型，通过所述基于深度学习的HSI分类模型的两个通道分别提取HSI空间-光谱特征数据和单个像素的光谱特征数据；基于提取的所述HSI空间-光谱特征数据和单个像素的光谱特征数据，对所述HSI空间-光谱特征数据和单个像素的光谱特征数据进行特定卷积操作；以及，基于所述特定卷积操作，将经过所述特定卷积操作的两个特征数据分别经过全连接层，通过控制全连接层神经元的数量控制特征数据融合比例；基于所述特征数据融合比例，将经过所述特定卷积操作的两个特征数据进行拼接，并将拼接后的融合特征数据输入分类器，以得到图像分类结果；所述基于提取的所述HSI空间-光谱特征数据和单个像素的光谱特征数据，对所述HSI空间-光谱特征数据和单个像素的光谱特征数据进行特定卷积操作，包括：分别将所述HSI空间-光谱特征数据和单个像素的光谱特征数据经过3D卷积操作，得到3D特征数据；基于所述3D特征数据将所述3D特征数据进行降维处理，得到降维特征数据；基于所述特征数据，使用2D卷积对所述特征数据进行卷积操作，得到2D特征数据；所述基于所述特定卷积操作，将经过所述特定卷积操作的两个特征数据分别经过全连接层，通过控制全连接层神经元的数量控制特征数据融合比例，包括：在对所述两个通道输出的2D特征数据进行融合前添加整形层；其中，所述整形层为所述全连接层；基于添加的整形层的神经元数量，控制所述两个通道输出的2D特征数据的融合比例。

全文数据：

权利要求：

百度查询： 北京邮电大学 一种基于通道特征融合的高光谱图像小样本分类方法及装置