[发明专利]基于GAF图像和四元数卷积的光谱定性建模方法

权利要求书

1.一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于包括以下步骤：

步骤1、采集待测样本近红外光谱并进行预处理和选取特征波段；

步骤2、将相应波段进行格拉姆角场图像转换，获得光谱的二维彩色图像；

步骤3、将获得的彩色图像的R、G、B三通道数据分别对应四元数的i，j，k三个虚部，嵌入四元数空间表示成纯四元数光谱矩阵形式；

步骤4、在一维卷积神经网络模型基础上，依据四元数基本运算原理，建立四元数卷积神经网络模型；

步骤5、对所述四元数卷积神经网络模型进行训练，通过参数寻优确定所述四元数卷积神经网络模型中参数的最优值；

步骤6、根据训练好的四元数卷积神经网络模型进行样本的定性鉴别，得到样本的分类结果。

2.根据权利要求1所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：步骤1中预处理的方法包括多元散射矫正和一阶导数的预处理方法。

3.根据权利要求1所述一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：步骤2中将通过预处理以及特征波段选择后的光谱数据转换为格拉姆角场彩色图像。

4.根据权利要求1所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：步骤3中所述四元数实部为零。

5.根据权利要求1所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：步骤4中所述的建立四元数卷积神经网络模型为将卷积核扩展为四元数卷积核，输入数据为二维四元数矩阵，经过四元数卷积层和四元数池化层后，最终经过全连接层，即为四元数卷积神经网络模型。

6.根据权利要求1所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：步骤5中所述的对四元数卷积神经网络模型进行训练包括：将数据集随机划分为70％训练集、20％验证集和10％测试集；利用所述训练集训练所述四元数卷积神经网络模型，通过参数寻优，得到最优参数，确定模型参数；利用所述验证集验证所述四元数卷积神经网络模型的性能；利用所述测试集测试所述四元数卷积神经网络模型。

7.根据权利要求6所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于所述的参数包括：四元数卷积核的个数、batch_size的大小。

8.根据权利要求6所述的一种基于GAF图像和四元数卷积的光谱定性建模方法，其特征在于：在模型训练过程中，需要进行参数寻优，模型评价指标为正确率、灵敏度和特异性。