[发明专利]用于高光谱图像分类的全局学习装置及方法

权利要求书

1.用于高光谱图像分类的全局学习装置，其特征在于，包括：编码器和解码器；所述编码器按照图像处理顺序依次包括光谱维调整层、第一特征提取层和第二特征提取层；所述第一特征提取层包括堆叠在一起的三个MLBSA结构层；所述MLBSA结构层包括三个洗牌光谱注意SSA模块、两个MLB层和一个下采样层；其中，所述SSA模块与所述MLB层相互交叉堆叠；所述下采样层作为所述MLBSA结构层的最后一个子层；第一个所述SSA模块的输入通过Zero-padded卷积模块之后与所述下采样层的输出进行相加融合操作后的输出作为所述MLBSA结构层的输出；所述MLB层表示改进的线性瓶颈层；

所述解码器按照图像处理顺序依次包括第一上采样层、Concat层和输出层；所述第一特征提取层中的第一个MLBSA结构层的输出作为所述第一上采样层的输入，所述第二特征提取层的输出与所述第一上采样层的输出经过所述Concat层进行融合，融合结果经所述输出层处理以完成高光谱图像的分类。

2.根据权利要求1所述的用于高光谱图像分类的全局学习装置，其特征在于，所述光谱维调整层包括三个子层，由浅层至深层依次为SSA模块、1×1卷积层和MLB层。

3.根据权利要求1所述的用于高光谱图像分类的全局学习装置，其特征在于，所述MLB层包括依次堆叠在一起的第一卷积模块、第二卷积模块和第三卷积模块；其中，第一卷积模块和第二卷积模块中由浅层至深层依次由卷积层、GN层和ReLU层组成；第三卷积模块依次包括卷积层和GN层。

4.根据权利要求1所述的用于高光谱图像分类的全局学习装置，其特征在于，所述第二特征提取层包括SSA模块、用于提取全局信息的第一分支提取层、用于提取局部信息的第二分支提取层、特征融合层和第二上采样层；所述SSA模块的输出分别经过所述第一分支提取层和所述第二分支提取层；两个分支提取层的输出经过所述特征融合层进行特征融合，特征融合层的输出经过所述第二上采样层后的输出作为所述第二特征提取层的输出。

5.根据权利要求4所述的用于高光谱图像分类的全局学习装置，其特征在于，所述第一分支提取层包括两个相连接的交叉注意力CCA模块。

6.根据权利要求4所述的用于高光谱图像分类的全局学习装置，其特征在于，所述第二分支提取层采用空洞空间金字塔池化ASPP结构。

7.根据权利要求1所述的用于高光谱图像分类的全局学习装置，其特征在于，所述输出层包括三个子层，由浅层至深层依次为两个第四卷积模块和一个1×1卷积层；所述第四卷积模块中由浅层至深层依次由卷积层、GN层和ReLU层组成。

8.基于权利要求1至7任一所述的装置的高光谱图像分类方法，其特征在于，包括：

采用通用全局随机分层UGSS采样策略，将数据集划分为训练集、验证集与测试集；所述数据集是指从高光谱图像中进行地物样本抽取后，由抽取的所有地物样本数据所组成的集合；

利用训练集和验证集对权利要求1至7任一所述的装置进行训练，得到训练好的分类模型；

利用所述分类模型对测试集进行分类。

9.根据权利要求8所述的高光谱图像分类方法，其特征在于，所述SSA模块依次采用公式(1)、公式(2)和公式(3)对输入数据进行处理：

s_c＝F_ex(z_c,W)＝W₂(ReLU((GN(W₁(Shuffle(z_c)))))) (2)

其中，z_c表示对第c个波段所有的像素值进行编码后的值，H和W分别代表高光谱图像的高度和宽度，u_c(i,j)代表第c个波段中第i行第j列的像素，Shuffle表示Shuffle函数，用于执行打乱光谱维来增加交互性的操作，W₁和W₂是表示两个全连接层，s_c表示经SSA模块处理后第c个波段的中间输出，表示经过SSA模块处理后第c个波段的最终输出。