[发明专利]基于双通道多特征融合网络的多光谱图像分类方法

摘要

本发明公开了一种基于双通道多特征融合网络的多光谱图像分类方法，将两个卫星不同波段的多光谱特征分别进行融合得到特征L和L′；然后将L和L′进行归一化处理得到Lnorm和L′norm；在Lnorm和L′norm上随机选取像素块作为训练集和验证集，构成基于图像块的特征矩阵Wtrain，Wval，根据sao_paulo城市的特征矩阵得到测试集的特征矩阵Wtest；构造双通道全卷积神经网络的分类模型；用训练数据集的特征矩阵Wtrain和验证数据集的特征矩阵Wval对分类模型进行训练；利用训练好的分类模型对测试数据集的特征矩阵Wtest分类。本发明应用双通道全卷积神经网络进行多光谱图像分类，和普通全卷积神经网络相比，提高了分类精度。

主权项

一种基于双通道多特征融合网络的多光谱图像分类方法，其特征在于，包括以下步骤：步骤一，将landsat_8卫星拍摄的波段叠加融合，得到融合后的多光谱特征L；步骤二，将sentinel_2卫星拍摄的波段叠加融合，得到融合后的多光谱特征L′；步骤三，将两个卫星得到的多光谱特征矩阵L和L′中的每个波段的多光谱特征矩阵Li、L′j分别进行归一化处理；步骤四，从归一化后的特征矩阵Lnorm和L′norm中随机选取n×n的像素块作为训练样本，整个特征矩阵作为测试样本；步骤五，构造Lnorm和L′norm中训练数据集Ttrain的特征矩阵Wtrain，验证数据集Tval的特征矩阵Wval和测试数据集Ttest的特征矩阵Wtest；步骤六，构造双通道全卷积神经网络模型；步骤七，将训练样本和验证样本输入网络进行训练，得到训练好的分类模型；步骤八，加载训练好的分类模型，对测试集进行分类，得到测试分类结果。