[发明专利]神经网络训练和高光谱图像解译方法、装置及电子设备

权利要求书

1.一种高光谱图像解译用神经网络模型的训练方法，其特征在于，包括执行至少二次如下的训练步骤：

从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段；

确定当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中与当前次训练用光谱谱段相应的图像数据，作为当前次训练用图像数据，所述当前次训练用图像数据具有相同或者部分相同的谱段信息；

根据所述当前次训练用图像数据调整高光谱图像解译用神经网络模型的网络参数；

所述训练方法还包括：

响应于当前次所述高光谱图像解译用神经网络模型的训练情况不满足预设的训练完成条件，执行下一次所述训练步骤，其中，执行的各次所述训练步骤中，至少二次的训练步骤中选取的训练用光谱谱段至少部分不同。

2.根据权利要求1所述的训练方法，其特征在于，在所述确定当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中与当前次训练用光谱谱段相应的图像数据之前，所述方法还包括：

从训练样本库中选取一部分高光谱图像作为所述当前次训练用高光谱图像集。

3.根据权利要求2所述的训练方法，其特征在于，执行的各次所述训练步骤中，至少二次的训练步骤中选取的训练用高光谱图像集所包括的高光谱图像至少部分不同。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：

至少根据预定的谱段选取比例从所述多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

5.根据权利要求4所述的方法，其特征在于，所述至少根据预定的谱段选取比例从所述多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：

至少根据预定的谱段选取比例从所述多光谱谱段信息中随机选取一部分光谱谱段，作为当前次训练用光谱谱段。

6.根据权利要求1所述的方法，其特征在于，所述从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：

至少根据所述多光谱谱段信息包括的各光谱谱段的未选中比例，从所述多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

7.根据权利要求6所述的方法，其特征在于，所述至少根据所述多光谱谱段信息包括的各光谱谱段的未选中比例，从所述多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：

至少根据所述多光谱谱段信息包括的各光谱谱段的未选中比例，随机从所述多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

8.根据权利要求1所述的方法，其特征在于，所述多光谱谱段信息包括：各次训练用高光谱图像集的各高光谱图像所包括的各个光谱谱段。

9.根据权利要求1所述的方法，其特征在于，所述高光谱图像的任一光谱谱段的图像数据，包括：所述高光谱图像在所述任一光谱谱段的图像中像素级的解译标注数据。

10.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括多层神经网络模型。

11.根据权利要求10所述的方法，其特征在于，所述多层神经网络模型包括：卷积神经网络模型。

12.根据权利要求1所述的方法，其特征在于，所述预设的训练完成条件包括以下至少一项：

训练所述高光谱图像解译用神经网络模型的训练次数达到预设的次数阈值；以及

当前的高光谱图像解译用神经网络模型的损失函数的数值满足预设的数值条件。