[发明专利]一种基于GPU的高光谱图像并行分类方法

权利要求书

1.一种基于GPU的高光谱图像并行分类方法，其特征在于，包括用G-PNPE并行图像预处理算法对高光谱图像进行处理以得到Cube数据的第一步骤，以及构建CNN-SVM模型用于数据训练、分类的第二步骤；

上述第一步骤中：

首先从高光谱图像中提取Cube数据，然后使用G-PNPE算法将数据重新组织形成数据矩阵，然后输入模型中进行卷积运算；

上述第二步骤中：

首先对高光谱图像进行预处理，产生Cube样本，然后将样本输入到模型并使用CNN算法进行训练，训练后的数据作为高级特征使用SVM作为分类器进行分类。

2.根据权利要求1所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第一步骤中，使用GEMM算法将卷积运算变为矩阵乘的形式，对输入数据进行展开和复制、对卷积核进行重新排列，为并行化做好准备。

3.根据权利要求2所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第一步骤中，重新组织每个卷积的输入，使每一行包含计算输出特征的一个元素所需的所有输入值。卷积核同样被展开然后进行连接形成卷积核矩阵。每个输出对应于新矩阵中的一列。

4.根据权利要求3所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第一步骤中，当新的输入矩阵乘以内核矩阵时，将自动计算输出特征。

5.根据权利要求4所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第一步骤中，通过并行的方式将高光谱图像提取为Cube形式并存储在全局内存中，用于后续模型的训练；

上述数据提取的过程为：

(A)将高光谱图像看作一个维度为H*W*C的三维矩阵，在CPU中扫描每个有效元素的索引位置为(x、y、c)，通过该索引可以得知索引近邻像素的位置信息，对每个Cube中3*3*C个元素的索引通过公式(1)可以得到第i个元素在数据矩阵的位置，公式(1)为：x*H+y*W+c*9+i*C*H*W；

(B)按照步骤A的方式对卷积核矩阵进行扫描，按照公式(2)计算得到卷积核中第j个元素在转变之后的矩阵中的位置，公式(2)为：x*H+y*W+c*9+i*H*W；

式中：H为高光谱图像的高；W为高光谱图像的宽；C为高光谱图像的波段数；

上述有效元素是像素值非空的像素。

6.根据权利要求1所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第二步骤中，在使用CNN算法训练模型的时候，选择不同的激活函数和损失函数。

7.根据权利要求6所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第二步骤中，使用MBGD算法调整算法的参数以提高模型精准度。

8.根据权利要求7所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：上述第二步骤中，模型的训练阶段被分成两个部分：前向传播和反向传播；在前向传播阶段计算每个Cube的分类结果，后向传播阶段更新网络的权重以便于获得更好的分类结果。

9.根据权利要求1-8中任意一项所述的一种基于GPU的高光谱图像并行分类方法，其特征在于：所述高光谱图像包括光谱信息和空间信息。