[发明专利]基于注意力机制和卷积神经网络高光谱遥感图像分类方法有效
| 申请号： | 201811566829.2 | 申请日： | 2018-12-19 |
| 公开（公告）号： | CN109376804B | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 刘小波;尹旭;刘沛宏;汪敏;蔡耀明;乔禹霖;刘鹏 | 申请（专利权）人： | 中国地质大学（武汉） |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 武汉知产时代知识产权代理有限公司 42238 | 代理人： | 郝明琴 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了基于注意力机制和卷积神经网络高光谱遥感图像分类方法，对原始高光谱遥感图像进行主成份分析法降维，将降维后的高光谱数据进行样本取块；之后进行3D卷积操作和池化操作，得到中间特征图谱；然后分别将中间特征的每一个光谱向量与光谱注意力模块和每一个空间特征与空间注意力模块进行按位相乘，得到注意力增强样本；之后再进行一次卷积操作与注意力增强操作；然后将通过3D卷积操作得到的中间特征图谱输入到分类器中进行分类。本发明的有益效果是：降低分类成本，提高分类性能，通过样本特征的提取与增强，实现自适应特征细化，进而提高了高光谱遥感图像的分类精度。 | ||
| 搜索关键词： | 基于 注意力 机制 卷积 神经网络 光谱 遥感 图像 分类 方法 | ||
【主权项】：
1.基于注意力机制和卷积神经网络高光谱遥感图像分类方法，高光谱遥感图像包含了光谱信息和空间信息；其特征在于：包括以下步骤：S101：根据主成份分析法，对原始高光谱遥感图像R1进行降维，将降维后的高光谱遥感图像R2进行样本取块，得到一个高光谱样本块T1；获得的高光谱样本块即为高光谱样本的特征信息；S102：对高光谱样本块T1进行3D卷积操作，得到样本块的中间特征图谱T2；S103：对样本块的中间特征图谱T2进行池化操作，得到中间特征图谱T3；S104：分别将中间特征图谱T3中每一个光谱向量与光谱注意力模块和每一个空间特征与空间注意力模块进行按位相乘，得到高光谱遥感图像的注意力增强样本T4；其中，光谱注意力模块和空间注意力模块由对中间特征图谱T3进行卷积操作或者池化操作得到的；S105：对高光谱遥感图像的注意力增强样本T4依次进行3D卷积操作和池化操作，然后将得到的中间特征图谱T6中每一个光谱向量与光谱注意力模块以及每一个空间特征与空间注意力模块进行按位相乘，得到高光谱遥感图像的注意力增强样本T7；S106：对高光谱遥感图像的注意力增强样本T7进行3D卷积操作，得到一维的高光谱遥感图像的中间特征图谱T8；S107：将高光谱遥感图像的中间特征图谱T8输入到分类器中，对高光谱遥感图像进行分类。
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中国地质大学（武汉），未经中国地质大学（武汉）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/201811566829.2/，转载请声明来源钻瓜专利网。
