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！

摘要：本发明提供了一种面向对象的高光谱遥感影像地表岩性识别分类方法，涉及高光谱遥感影像处理领域，包括：确定研究区内的高光谱遥感影像以及每幅高光谱遥感影像对应的岩性类型标签，制作高光谱遥感数据集；利用无泄漏信息数据集划分策略将高光谱遥感数据集中的高光谱遥感影像的像素划分为训练集和测试集；无泄漏信息数据集划分策略确保训练数据和测试数据之间没有重叠；基于深度学习方法，利用划分好的训练集和测试集来训练和构建的双分支多尺度双注意机制网络提取待测高光谱遥感影像的光谱特征和空间特征并融合，生成融合后的特征，表征待测高光谱遥感影像的地表岩性类型。本发明在无信息泄漏且样本数量少的情况下能够提高各个类别地物的识别精度。

主权项：1.一种面向对象的高光谱遥感影像地表岩性识别分类方法，其特征在于，包括：确定研究区内的高光谱遥感影像以及每幅高光谱遥感影像对应的岩性类型标签，制作高光谱遥感数据集；利用无泄漏信息数据集划分策略将所述高光谱遥感数据集中的高光谱遥感影像的像素划分为训练集和测试集；所述无泄漏信息数据集划分策略能够确保训练集中的训练数据和测试集中的测试数据之间没有重叠；无泄漏信息数据集划分策略的步骤具体包括：1首先确定两个重要的参数：参与训练的像素占原始图像中所有像素的比率λ，以及每个训练Block中有标注的像素的数量T；由此可知每个类别中的训练块数量为： 其中表示像素类别，表示对应类别中的训练Block数量，则表示原始图像中每个类别的像素总数；2按照参与训练的像素的比率λ，从原始图像中分出待分训练图像，而剩余部分就是待分验证-测试图像，这两个图像之间没有重叠；3根据每个训练Block中有标注的像素的数量T，在待分训练图像中随机地选取部分有标注的像素保留，并将其定义为训练图像；同样，待分验证-测试图像也根据拟定的验证测试样本比率分成验证图像和测试图像；4将第三步中得到的训练图像、泄露图像、验证图像、测试图像分别分割成W×H×B的Block，其中W、H表示Block的宽度和高度，B表示光谱带的数量；舍弃掉那些不包含有标注像素的Block之后，得到所有的训练Block、和测试Block；5采用滑动窗口策略，从有限的Block中得到数量更多的训练和测试Patch；基于深度学习方法，利用双分支多尺度双注意机制网络提取待测高光谱遥感影像的光谱特征和空间特征并融合，生成融合后的特征；所述双分支多尺度双注意机制网络是通过所述训练集和所述测试集训练和构建的；所述双分支多尺度双注意机制网络包括光谱分支、空间分支和分类头；所述光谱分支包括MSeRA密集连接模块以及光谱自注意力机制模块，所述光谱分支用于提取所述光谱特征中具有诊断性的光谱特征；所述MSeRA密集连接模块包括光谱维多尺度提取模块和残差连接；所述MSeRA密集连接模块用于提取不同尺度的光谱特征；光谱维多尺度提取模块应用在MSeRA密集连接模块中，借助多尺度光谱密集块，所述双分支多尺度双注意机制网络能够捕获每个通道中多个感受野对应的不同层次的光谱特征；所述空间分支包括空间密集连接模块以及空间自注意力机制模块，所述空间分支用于提取所述空间特征中具有诊断性的空间特征；所述分类头用于融合所述光谱分支提取的具有诊断性的光谱特征和所述空间分支提取的具有诊断性的空间特征，生成融合后的特征；所述融合后的特征用于表征所述待测高光谱遥感影像的地表岩性类型。

全文数据：

权利要求：

百度查询： 成都理工大学 一种面向对象的高光谱遥感影像地表岩性识别分类方法