[发明专利]一种基于Triple GAN的高光谱图像分类方法

权利要求书

1.一种基于Triple GAN的高光谱图像分类方法，其特征在于：首先执行如下步骤A至步骤F，实现图像分类模型的获得；然后针对目标高光谱图像，应用图像分类模型，执行如下步骤I至步骤III，实现目标高光谱图像的分类；

步骤A.收集分别对应于各预设实际分类的各幅高光谱样本图像，构建样本图像集，然后进入步骤B；

步骤B.针对样本图像集中的各幅高光谱样本图像，分别执行主成分分析法进行降维操作，更新样本图像集中的各幅高光谱样本图像，然后进入步骤C；

步骤C.分别针对样本图像集中的各幅高光谱样本图像，获得高光谱样本图像所对应预设各种待选图像特征，即获得样本图像集中各幅高光谱样本图像分别所对应的各种待选图像特征，然后进入步骤D；

步骤D.分别针对各种待选图像特征，以样本图像集中各幅高光谱样本图像分别对应的待选图像特征为输入，应用Triple GAN分类网络针对样本图像集中的各幅高光谱样本图像进行分类，获得样本图像集中各幅高光谱样本图像分别基于该待选图像特征的网络分类，并结合样本图像集中各幅高光谱样本图像分别对应的实际分类，获得样本图像集中全部高光谱样本图像基于该待选图像特征的分类准确率；进而获得样本图像集中全部高光谱样本图像分别基于各种待选图像特征的分类准确率，然后进入步骤E；

步骤E.根据样本图像集中全部高光谱样本图像分别基于各种待选图像特征的分类准确率，选择最高分类准确率所对应的待选图像特征，作为样本图像集所对应的目标图像特征，然后进入步骤F；

步骤F.以样本图像集中各幅高光谱样本图像分别对应的目标图像特征为输入，各幅高光谱样本图像分别对应的实际分类为输出，针对Triple GAN分类网络进行训练，获得训练后的分类网络，即构成图像分类模型；

步骤I.针对目标高光谱图像执行主成分分析法进行降维操作，更新目标高光谱图像，然后进入步骤II；

步骤II.获得目标高光谱图像所对应的目标图像特征，然后进入步骤III；

步骤III.以目标高光谱图像所对应的目标图像特征为输入，应用图像分类模型针对目标高光谱图像进行分类，获得目标高光谱图像的分类结果。

2.根据权利要求1所述一种基于Triple GAN的高光谱图像分类方法，其特征在于：所述步骤C中，预设各种待选图像特征包括灰度共生矩阵特征、Gabor滤波特征、形态学剖面特征、形态学属性剖面特征，即获得样本图像集中各幅高光谱样本图像分别所对应灰度共生矩阵特征、Gabor滤波特征、形态学剖面特征、形态学属性剖面特征。