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：中国电建集团昆明勘测设计研究院有限公司;河海大学;西藏开发投资集团有限公司

摘要：本发明属于高光谱遥感图像处理技术领域，具体涉及一种高光谱影像土石坝填筑料源精细分类方法，通过利用不同维度的高光谱数据构建不同精细度的图结构，再进行多尺度的双支路图卷积神经网络的构建，进而利用不同精细度和不同尺度的图结构进行图卷积特征提取，以此进行多尺度的双支路图卷积神经网络的训练，再通过对比损失函数的构建优化两条支路的特征提取，最终进行分类结果输出，提高了卷积神经网络对不同尺度空间特征提取的精度，使得不同精细度图结构提取的特征尽可能相似，能够更加精细地对土石坝填筑料源进行分类。

主权项：1.一种高光谱影像土石坝填筑料源精细分类方法，其特征在于，包括以下步骤：S1：采集土石坝填筑料源高光谱影像；S2：采用线性判别分析方法对高光谱影像数据X进行降维处理，获得低维度数据Xlda；S3：采用线性迭代聚类超像素分割对两个不同精细度的图节点分割，包括针对原始数据X精细分割出图节点V，针对低维度数据Xlda粗略分割出图节点Vlda；S4：基于V和Vlda分别计算拉普拉斯矩阵和拉普拉斯矩阵的计算公式为 其中Ai为邻接矩阵，Va和Vb为任意图节点，C为光谱维度数量； 其中I为形状和Ai相同的单位矩阵，Di为Ai的度矩阵；构建精细分割图结构和粗略分割图结构S5：构建多尺度的双支路图卷积神经网络，利用两个不同精细度的图结构G和Glda对卷积神经网络进行训练，直至对比损失Lcon和交叉熵损失Lcro收敛，输出最终分类结果；所述多尺度的双支路图卷积神经网络包括特征提取模块、对比融合分类模块；所述特征提取模块包括2个相同结构的子网络，每个子网络均由3个多尺度图卷积模块MSGM串联构成，每个多尺度图卷积模块MSGM包括多尺度图卷积层、归一化层、LeakyRelu激活函数层；所述对比融合分类模块包括一个全连接层与一个Softmax激活函数层，其中全连接层的输入通道数为特征维度，输出通道数为土石坝填筑料源类别数；所述对比融合分类模块包括以下处理过程：S521：对特征提取模块的2个子网络分别提取到的特征Z和Zlda进行余弦相似度计算，求取对比损失Lcon；S522：将两组特征相加送入全连接层分类器进行分类，输出分类结果分类器操作用公式表示为： 其中Zfin为两个特征求平均得到的最终特征，是分类器的参数矩阵，σ·是Softmax激活函数，其公式为 其中x代表数据中的像素特征；S523：利用交叉熵损失函数对分类结果和真实标签Y计算求取交叉熵损失Lcro，具体公式为 其中Li是第i个样本的损失，N为样本数量，M为类别数量，pic为第i个样本为第c类的预测概率，yic为第i个样本第c类的真实标签；所述多尺度图卷积层的特征提取步骤为：S5111：通过S4中计算得到的拉普拉斯矩阵来选择不同比例权重大的边保留，权重小的边抛弃，得到三个不同的拉普拉斯矩阵和分别代表保留33％的边，67％的边和全部的边，以构建三个不同尺度的图结构；S5112：基于三个不同尺度的图结构进行图卷积操作，提取不同尺度的特征，多尺度图卷积层的具体公式为： 其中Xl为当前多尺度图卷积层的输入数据，和为多尺度图卷积层的可学习参数矩阵，和为偏置量，和为三个不同尺度的图结构的拉普拉斯矩阵，Xl+1为当前多尺度图卷积层的输出数据。

全文数据：

权利要求：

百度查询： 中国电建集团昆明勘测设计研究院有限公司 河海大学 西藏开发投资集团有限公司 一种高光谱影像土石坝填筑料源精细分类方法