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：广东工业大学

摘要：本发明提供一种基于全局胶囊神经网络的高光谱遥感图像分类方法，该方法采用主成分分析方法降低输入高光谱图像的光谱维度并同时实现去噪；然后通过对降维后的HSI图像进行卷积操作并将其设置为全局块来提取图像的全局特征；紧接着在全局块之后附加一个卷积层以提取更合适的图像特征；进而在PrimaryCaps层将提取到的图像特征通过动态路由算法迭代封装成对应的胶囊向量；最后，通过自注意力模块处理之后在ClassCaps层中计算输出向量的长度来评判当前输入HSI图像属于相应实体的概率。

主权项：1.一种基于全局胶囊神经网络的高光谱遥感图像分类方法，其特征在于，包括以下步骤：S1：图像预处理；S11：将高光谱图像先通过reshape再进行归一化处理操作之后再使用PCA进行降维处理获取到前三个主成分，接着对数据边缘进行填充操作；S12：获取数据块，从降维并归一化后的高光谱图像中分别提取以待分类像元为中心的H×W×C邻域范围内的高光谱数据块PH×W×C作为输入的图像特征，C是降维后高光谱图像通道数，所取的数据块大小为27×27×3，把它们划分为训练集、验证集与测试集；S2：对全局胶囊神经网络模型进行训练；所述全局胶囊神经网络包括2个Conv2D卷积层、1个全局块、1个PrimaryCaps层、1个自注意力模块和1个ClassCaps层；S21：利用5×5卷积核对训练集中大小为27×27×3高光谱数据块进行卷积处理，得到256张卷积特征图；S22：将256张卷积特征图输入到整合全局信息的全局块进行处理，得到256张大小为23×23的全局特征图；S23：接着利用3×3卷积核对步骤2中获取的256张全局特征图进行卷积操作处理，得到128张大小为21×21的卷积特征图；S24：将128张特征图输入到PrimaryCaps层通过动态路由算法迭代并经过自注意力模块处理之后封装成3200×8的胶囊向量；S25：将3200×8的胶囊向量输入到ClassCaps层，最终得到9个类别胶囊向量，每个胶囊向量的模长代表了对应类别的存在概率；S26：通过对应类别的存在概率来计算出marginloss的分类损失，并利用Adam优化器进行模型各项参数的优化，同时保存下在验证集中损失函数最小的分类模型作为最终的测试模型；S3：对训练好的模型进行测试：将划分好的测试集高光谱数据块输入到测试模型中，得到最终分类结果，同时将整个高光谱数据集输入到模型中，得到整个高光谱图像的分类效果图。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于全局胶囊神经网络的高光谱遥感图像分类方法