[发明专利]一种高光谱图像分类方法、装置、电子设备和存储介质

权利要求书

1.一种高光谱图像分类方法，其特征在于，包括：

将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征；

利用所述图像特征，根据预设的均值网络，得到所述图像特征对应的均值矩阵；

根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，将所述概率值的最大值对应的类别作为所述高光谱图像的分类结果。

2.根据权利要求1所述的分类方法，其特征在于，所述根据所述均值矩阵，计算所述高光谱图像对应各类别的概率值，表达式如下：

其中，记高光谱图像为x_i，k代表第k个类别标签，M_i表示x_i的图像特征对应的均值矩阵，f_l(M_i)代表对均值矩阵M_i的线性映射，使得M_i的维度等于类别总数，f_l(M_i)_k代表f_l(M_i)中的第k个分量值，y_i代表x_i的分类结果，N代表类别总数。

3.根据权利要求1所述的分类方法，其特征在于，在所述将待分类的高光谱图像输入预设的卷积神经网络，得到所述高光谱图像的图像特征之前，还包括：

训练所述卷积神经网络和所述均值网络；

所述训练所述卷积神经网络和所述均值网络，包括：

获取训练数据集；

构建卷积神经网络并随机初始化；

构建均值网络和方差网络，将所述均值网络和所述方差网络分别连接在所述卷积神经网络之后；

利用所述训练数据集训练所述卷积神经网络、所述均值网络和所述方差网络，得到训练完毕的所述卷积神经网络、所述均值网络和所述方差网络。

4.根据权利要求3所述的分类方法，其特征在于，所述卷积神经网络包括依次连接的光谱特征提取单元和空间特征提取单元；其中，所述光谱特征提取单元和所述空间提取单元均由两个残差模块连接而成，每个残差模块由两个卷积层组成。

5.根据权利要求3所述的分类方法，其特征在于，所述均值网络和所述方差网络采用结构相同的一层全连接层构成。