[发明专利]基于多模态压缩双线性池化的高光谱图像分类方法

摘要

本发明公开了基于多模态压缩双线性池化的高光谱图像分类方法，其特征是，包括如下步骤：1）数据预处理；2）光谱通道特征提取；3）空间通道特征提取；4）空‑谱特征融合；5）高光谱像元分类。这种方法有效解决了原光谱和空间特征向量外积维数较高，计算复杂，容易产生过拟合的问题。

主权项

1.基于多模态压缩双线性池化的高光谱图像分类方法，其特征是，包括如下步骤：1)数据预处理：对原高光谱图像的每个像元在光谱维度上进行归一化处理、对原高光谱图像的每个波段在空间维度上进行归一化处理；2)光谱通道特征提取：选取在光谱维度上归一化处理后的高光谱图像的第n个像素的光谱带sn∈RM×1，作为光谱通道的输入，此后使用1-D核对光谱输入进行卷积和最大池化操作，在光谱通道的全连接层获得光谱通道的输出特征其中M为光谱带长度，K为全连接层的神经元个数；3)空间通道特征提取：首先，对在空间维度上归一化处理后的高光谱图像在光谱维度上进行主成分分析降维处理，压缩后的光谱维数为S(S＜＜M)，在降维后的高光谱图像中，选取与光谱通道输入相对应的第n个像素邻域块Pn∈RW×W×S作为空间通道的输入，其后利用2-D核对空间输入进行卷积和最大池化操作，在空间通道的全连接层获得所提取的空间通道特征空间通道特征维数与光谱通道特征维数相同，其中W为空间邻域块的长宽尺寸；4)空-谱特征融合：将步骤2)和步骤3)所提取的光谱通道特征与空间通道特征传入压缩双线性池化层，以此来获得多模态联合特征向量其中d＜＜K2；5)高光谱像元分类：将步骤4)所提取的多模态联合特征传入顶端softmax线性分类器对每个像元进行分类。