[发明专利]融合谱-空域信息的DBM高光谱图像分类方法在审
申请号: | 201811616702.7 | 申请日: | 2018-12-27 |
公开(公告)号: | CN109711470A | 公开(公告)日: | 2019-05-03 |
发明(设计)人: | 杨建功;汪西莉 | 申请(专利权)人: | 陕西师范大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06F17/18 |
代理公司: | 北京中济纬天专利代理有限公司 11429 | 代理人: | 覃婧婵 |
地址: | 710000 陕西省*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 空域信息 像元 高光谱图像 分类 高光谱遥感数据 空间邻域信息 分类能力 类别标记 逻辑回归 特征提取 信息结合 光谱域 融合 应用 | ||
1.一种融合谱-空域信息的深度玻尔兹曼机DBM高光谱图像分类方法,包括如下步骤:
S100:对原始高光谱图像中每个像元提取其空间邻域信息作为该像元的空域信息,并与其光谱域信息结合起来形成该像元的谱-空域信息;
S200:通过深度玻尔兹曼机DBM对该像元的谱-空域信息进行特征提取;
S300:利用逻辑回归LR对所提取的特征进行分类,获得每个像元的类别标记。
2.根据权利要求1的方法,其中,优选的,步骤S100进一步包括:
S101:构造像元的空域特征向量hspa;
S102:在原始高光谱图像中提取像元的光谱特征向量hspe;
S103:所述像元的光谱特征向量hspe和空域特征向量hspa合并为综合的谱-空域特征向量h。
3.根据权利要求2的方法,其中,步骤101进一步包括:
S1001:对所述原始高光谱图像沿光谱方向进行PCA白化处理,保留前k个主成分;
S1002:截取每个像元的c×c大小的邻域,并拉伸成一维向量,得到长度为c×c×k的空域特征向量hspa;
其中,k的取值范围在1和l之间,l为像元的光谱向量的长度,c的取值范围为3到每个像元的长和宽的最大值。
4.根据权利要求2的方法,其中,步骤102进一步包括:
将综合的谱-空域特征向量h输入到DBM中,进行特征提取。
5.根据权利要求4的方法,所述特征提取的过程是指将综合的谱-空域特征向量h作为DBM的可见层向量,在DBM内部,经过向上推理后所得到的隐层向量就是所提取的特征向量。
6.根据权利要求2的方法,步骤S103中所述综合的谱-空域特征向量h的合并是把光谱特征向量hspe和空域特征向量hspa首尾连接,拼接起来。
7.根据权利要求2的方法,其中,所述综合的谱-空域特征向量h的长度等于光谱特征向量hspe和空域特征向量hspa长度之和。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于陕西师范大学,未经陕西师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811616702.7/1.html,转载请声明来源钻瓜专利网。