[发明专利]基于卷积神经网络与超限学习机的高光谱图像分类算法

摘要

对于高光谱图像分类问题，作为高光谱图像的基础研究，它一直是高光谱图像重要的信息获取手段，高光谱图像分类的主要目标是根据待测地物的空间几何信息与光谱信息将图像中的每个像素划分为不同的类别。在高光谱图像分类问题上存在许许多多的挑战，比如高光谱的每个像素点的数据结构非常复杂，数据维度非常大。本发明的目的在于克服现有技术的缺点与不足，提出一种基于卷积神经网络与超限学习机的高光谱图像分类算法，既能提高高光谱图像的分类精度，又能保持比较少的时间的耗费寻找最优的参数的算法。

主权项

一种基于卷积神经网络光谱特征重构与超限学习机的高光谱图像分类算法，包括如下步骤：步骤一：首先对于高光谱数据，为了数据分析的方便性，对其进行归一化；步骤二：在数据进行归一化以后，抽取训练样本，然后将训练样本用来训练卷积神经网络，训练完以后保存卷积神经网络的参数；步骤三：在卷积神经网络训练完之后，将卷积神经网络提出出来的光谱特征作为超限学习机的输入，对超限学习机进行训练，训练完以后保存超限学习机的参数；步骤四：当卷积神经网络和超限学习机训练完以后训练完以后，将归一化以后的所有高光谱数据的像素点作为卷积神经网络的输入进行光谱特征重构；步骤五：卷积神经网络提取高光谱数据集的像素点的深度特征后，把这些提取像素点深度的特征作为超限学习机的输入，用超限学习机把它进行分类。