[发明专利]一种基于注意力约束非负矩阵分解的高光谱分类方法有效
| 申请号： | 201811455687.2 | 申请日： | 2018-11-30 |
| 公开（公告）号： | CN109583380B | 公开（公告）日： | 2020-01-17 |
| 发明（设计）人： | 杨祖元;梁乃耀;李珍妮;黄昊楠 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 44102 广州粤高专利商标代理有限公司 | 代理人： | 林丽明 |
| 地址： | 510006 广东省*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于注意力约束非负矩阵分解的高光谱分类方法，包括以下步骤：S1：输入原始高光谱图像数据；S2：将高光将高光谱图像矩阵归一化，得到待处理数据集X；S3：采用NMF将X分解，得到端元矩阵U和底层丰度矩阵H；S4：将端元矩阵U和底层丰度矩阵H归一化；S5：根据底层丰度矩阵H，对注意力参数化矩阵W进行初始化；S6：对注意力参数化矩阵W进行归一化；S7：将高光谱图像、端元矩阵、底层丰度矩阵注意力参数化矩阵，采用注意力非负矩阵分解更新迭代至收敛得到端元矩阵以及对应丰度矩阵；本发明可使非负矩阵分解技术在分解高光谱图像的时候得到丰度矩阵中端元位置信息不容易丢失，从而提高高光谱图像的分类精度。 | ||
| 搜索关键词： | 矩阵 丰度 注意力 高光谱图像 非负矩阵 分解 参数化 高光谱 归一化 分类 高光谱图像数据 待处理数据 矩阵归一化 初始化 迭代 高光 收敛 更新 | ||
【主权项】：
1.一种基于注意力约束非负矩阵分解的高光谱分类方法，其特征在于，所述的方法包括以下步骤：/nS1：输入原始高光谱图像数据，得到高光谱图像矩阵X；/nS2：将高光谱图像矩阵X归一化；/nS3：采用非负矩阵分解算法将归一化后的高光谱图像矩阵X分解，得到端元矩阵U和底层丰度矩阵H；/nS4：将端元矩阵U和底层丰度矩阵H归一化；/nS5：根据底层丰度矩阵H，采用正交匹配追踪算法，求出注意力参数化矩阵W，并对注意力参数化矩阵W进行初始化；/nS6：对注意力参数化矩阵W进行归一化；/nS7：将高光谱图像矩阵X、端元矩阵U、底层丰度矩阵H和注意力参数化矩阵W，采用注意力非负矩阵分解更新迭代至收敛得到端元矩阵以及对应丰度矩阵；/n步骤S5中，对注意力参数化矩阵W初始化的方法为：采用正交匹配追踪算法，对注意力参数化矩阵W进行初始化；/n其中，正交匹配追踪算法即为求取如下运算的最小值的过程：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811455687.2/，转载请声明来源钻瓜专利网。
