[发明专利]一种基于六层卷积神经网络和光谱-空间信息联合的高光谱遥感图像分类方法

摘要

本发明公开了一种基于六层卷积神经网络和光谱‑空间信息联合的高光谱遥感图像分类方法,选择一定数目波段的高光谱遥感图像数据，对所选择的各波段二维图像数据进行空间均值滤波，再将每个像元对应的多波段数据进行格式转换，将一维矢量转换为一个方阵，即每个像元对应一个方阵数据。然后设计了基于深度学习模板的六层分类器，包括输入层，第一卷积层，最大池化层，第二卷积层，全连接层，输出层；提取若干个像元对应的方阵数据作为训练集，输入该分类器并对分类器加以训练；提取若干个像元对应的方阵数据作为测试集，输入至训练完毕的分类器中，观察训练器输出的分类结果，并与真实的分类信息相比对，验证分类器的性能。本发明的分类准确率比现有的5‑CNN方法更高。

主权项

一种基于六层卷积神经网络和光谱‑空间信息联合的高光谱遥感图像分类方法，高光谱遥感图像是M×N×U的三维数据，其中U为波段数，每个波段的数据为一幅M×N的二维图像，M和N分别是该二维图像包含的像元行数和列数；其特征在于，分类方法包括以下步骤：步骤1：提取高光谱遥感图像中能量值较大的P个波段对应的二维图像，对各幅图像进行灰度值规范处理；步骤2：对灰度值规范处理后的P幅图像分别进行二维均值滤波，滤波模板参数由高光谱遥感图像的原始数据参数确定；步骤3：对各像元对应的一维数组进行格式转换，将其转换为方阵；其中像元对应的一维数组是指由该像元对应的P个波段的数据构成的长度为P的一维数组；步骤4：设计一个六层卷积神经网络分类器，将各个像元对应的方阵数据作为六层卷积神经网络分类器的输入，对各个像元进行特征提取及分类。