买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明请求保护一种基于二维卷积和LSTM的高光谱图像分类方法及系统，包括步骤：对高光谱图像进行数据预处理，使用具有四层结构的二维卷积网络进行空间特征提取，在每个卷积层之后使用最大池化层，得到空间特征；使用基于二维卷积网络和LSTM混合用于光谱特征提取，用于获取光谱波段之间的上下文信息，得到光谱特征；使用特征融合方法将空间特征和光谱特征进行有效结合，通过Flatten层得到综合特征信息；使用了Relu和Dropout避免冗余；最后，将所得特征输入到Softmax分类器层中，得到最终预测结果。该模型能够有效缓解梯度消失现象，提取更多的特征信息用于分类，能够提高分类性能。

主权项：1.一种基于二维卷积和LSTM的高光谱图像分类方法，其特征在于，包括以下步骤：对高光谱图像进行数据预处理，之后使用具有四层结构的二维卷积网络进行空间特征提取，该四层结构为：两个二维卷积层，卷积核尺寸分别为3×3、5×5，两个最大池化层，尺寸为2×2，并且在每个卷积层之后使用最大池化层，得到空间特征；使用基于二维卷积网络和LSTM混合用于光谱特征提取，用于获取光谱波段之间的上下文信息，得到光谱特征；使用特征融合方法将空间特征和光谱特征进行有效结合，通过Flatten层得到综合特征信息；使用了Relu和Dropout避免冗余；最后，将所得特征输入到Softmax分类器层中，得到最终预测结果；所述对高光谱图像进行数据预处理，具体包括：假设高光谱图像的光谱维度为P即波段数目，图像的高度和宽度分别是H和K，则每幅图像包含有H×K个像素；高光谱图像则表示为尺寸大小H×K×P的三维数据立方体；首先对高光谱遥感图像数据进行主成分分析，并将其切分成三维数据块的形式；将得到的数据进行划分，分为训练样本集和测试样本集；所述二维卷积网络提取特征能够有效利用高光谱图像中的局部空间一致性，从而共享权重，减少参数，在二维卷积神经网络中，第i层第j个特征图中位置为x,y的神经元的连接值计算公式如下所示： 式中，Q·是Relu激活函数，si和Ti是卷积核空间维度尺寸的高和宽，m是当前第j个特征图到第i-1层的特征图的连接索引，表示与第m个特征图中的位置为s,t的连接值，是i-1层第m个特征图在位置为x+s,y+t的值；所述使用基于二维卷积网络和LSTM混合用于空间特征和光谱特征提取，具体包括：在空间特征提取分支，使用具有四层结构的二维卷积网络进行空间特征提取，该四层结构为：两个二维卷积层，卷积核尺寸分别为3×3、5×5，两个最大池化层，尺寸为2×2，并且在每个卷积层之后使用最大池化层，得到空间特征；在光谱特征提取分支，首先使用具有两层二维卷积网络的结构进行特征提取，在该结构中使用的二维卷积核分别为3×3、5×5，相对应的滤波器的数量是128、64；之后采用TimeDistributed包装层将经过以上两层二维卷积所得特征处理后输入到LSTM模型中进行光谱特征提取；在该分支中，使用二维卷积和LSTM结合的网络结构改善了传统卷积网络提取光谱信息中的梯度消失现象，且避免了传统LSTM网络逐波段输入模型层次较深的问题；它能够更多的考虑到高光谱图像的高维度性，关注相邻光谱波段之间的上下文信息；所述特征融合方法表示如下：I＝F[fC1，C2]，[fC3]式中，I代表的是该方法模型所得特征向量，C1，C2代表的是空间分支中全连接层输出向量，C3代表的是光谱分支中的全连接层输出向量，fx代表的是add函数，Fx代表的是concat函数。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于二维卷积和LSTM的高光谱图像分类方法及系统