[发明专利]基于卷积神经网络与超限学习机的高光谱图像分类算法

权利要求书

1.一种基于卷积神经网络光谱特征重构与超限学习机的高光谱图像分类算法，包括如下步骤：

步骤一：首先对于高光谱数据，为了数据分析的方便性，对其进行归一化；

步骤二：在数据进行归一化以后，抽取训练样本，然后将训练样本用来训练卷积神经网络，训练完以后保存卷积神经网络的参数；

步骤三：在卷积神经网络训练完之后，将卷积神经网络提出出来的光谱特征作为超限学习机的输入，对超限学习机进行训练，训练完以后保存超限学习机的参数；

步骤四：当卷积神经网络和超限学习机训练完以后训练完以后，将归一化以后的所有高光谱数据的像素点作为卷积神经网络的输入进行光谱特征重构；

步骤五：卷积神经网络提取高光谱数据集的像素点的深度特征后，把这些提取像素点深度的特征作为超限学习机的输入，用超限学习机把它进行分类。

2.根据权利要求1所限定的高光谱图像分类算法，其特征在于：所述步骤1的归一化，具体为：高光谱数据集有N个像素点，每个像素点有L个光谱特征，让高光谱数据集的取值范围在0到1之间：

xij=xijmax(xij)i=1,2,...,N;j=1,2,...,L]]>

其中x_ij表示高光谱数据集中的一个数据，max()表示高光谱数据集中最大的那个数据。

3.根据权利要求1所限定的高光谱图像分类算法，其特征在于：所述的卷积神经网络有八层，第一层为输入层，第二层为卷积层，第三层为池化层，第四层为卷积层，第五层为池化层，第六层的作用是光栅化，第七层为全连接层，第八层为光栅化层。