[发明专利]高光谱图像的对象分类方法和装置、电子设备

说明书

本申请公开了高光谱图像的对象分类方法和装置、电子设备。所述方法的一具体实施方式包括：获取目标高光谱图像；分割目标高光谱图像，得到至少一个第一图像；通过深度神经网络对至少一个第一图像所包含的对象进行分类；根据对至少一个第一图像所包含的对象的分类结果，确定目标高光谱图像所包含的对象的类别。该实施方式不需要直接对高光谱图像进行分析，提高了高光谱图像的处理效率。

技术领域

本申请涉及图像处理领域，具体涉及高光谱图像处理领域，尤其涉及一种高光谱图像的对象分类方法和装置、电子设备。

背景技术

遥感是以航空摄影技术为基础，在10世纪50年代初发展起来的一门新兴技术。经过几十年的迅速发展，成为一门实用的、先进的空间探测技术。在遥感探测技术得到的数据中，高光谱图像由于含有丰富信息，对目标有更强的表示能力，因此在众多应用中起着不可或缺的作用。

由于高光谱图像含有丰富的光谱信息，但是很多光谱信息之间往往存在很大相关性，造成数据冗余，造成对高光谱图像的处理效率低下。

发明内容

本申请提供一种高光谱图像的对象分类技术方案。

第一方面，本申请提供了一种高光谱图像的对象分类方法，方法包括：获取目标高光谱图像；分割目标高光谱图像，得到至少一个第一图像；通过深度神经网络对至少一个第一图像所包含的对象进行分类；根据对至少一个第一图像所包含的对象的分类结果，确定目标高光谱图像所包含的对象的类别。

在一些实施例中，深度神经网络包括多个具有不同权重的神经元，神经元用于提取至少一个第一图像所包含的对象的特征，且不同神经元提取的特征至少部分不同。

在一些实施例中，通过深度神经网络对至少一个第一图像所包含的对象进行分类，包括：通过深度神经网络中的各神经元提取至少一个第一图像的特征；根据各神经元所提取的至少一个第一图像的特征，对至少一个第一图像所包含的对象进行分类，得到对至少一个第一图像所包含的对象的分类结果。

在一些实施例中，根据各神经元所提取的至少一个第一图像的特征，对至少一个第一图像所包含的对象进行分类，得到对至少一个第一图像所包含的对象的分类结果，包括：对各神经元提取的至少一个第一图像的特征进行降权重处理；基于降权重处理后的特征对至少一个第一图像所包含的对象进行分类，得到对至少一个第一图像所包含的对象的分类结果。

在一些实施例中，通过深度神经网络对至少一个第一图像所包含的对象进行分类，包括：利用各神经元提取各第一图像所包含的对象的特征，生成与各第一图像一一对应的各第一特征图；对各第一特征图中的特征进行聚合统计，得到与各第一特征图一一对应的各第二特征图；根据各第二特征图，对各第一图像所包含的对象的进行分类。

在一些实施例中，根据对至少一个第一图像所包含的对象的分类结果，确定目标高光谱图像所包含的对象的类别，包括：确定各第一图像所包含的对象的类别，得到带有分类结果的各第一图像；对带有分类结果的各第一图像进行双线性插值，得到与各第一图像分辨率相同的各第一插值图像；根据各第一图像及各第一插值图像并基于条件随机场模型，确定各第一图像所包含的对象的类别；根据各第一图像在目标高光谱图像中的位置，对各第一图像进行拼接；根据拼接后的各第一图像所包含的对象的类别，确定目标高光谱图像所包含的对象的类别。

在一些实施例中，根据对至少一个第一图像所包含的对象的分类结果，确定目标高光谱图像所包含的对象的类别，包括：确定各第一图像所包含的对象的类别，得到带有分类结果的各第一图像；对带有分类结果的各第一图像进行双线性插值，得到与各第一图像分辨率相同的各第二插值图像；根据各第一图像在目标高光谱图像中的位置，对各第二插值图像进行拼接，得到第二图像；根据各第二图像与第二插值图像并基于条件随机场模型，确定目标高光谱图像所包含的对象的类别。