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：武汉大学

摘要：本发明公开了一种高光谱图像分类方法、装置、设备及存储介质，所述方法通过获取原始高光谱遥感图像的光谱特征和空间特征；根据光谱特征获得候选光谱向量，根据空间特征获得多尺度特征，将候选光谱向量和多尺度特征进行特征融合补偿，获得光谱空间联合特征；根据光谱空间联合特征对原始高光谱遥感图像进行分类，获得图像分类结果；能够有效挖掘丰富的光谱特征，通过增强光谱空间信息的关联，提高了分类性能，既顾及图像全局空间分布，又不损失细节信息，实现高光谱遥感图像内覆盖范围广的大尺度地物和形状狭窄细微的小尺度地物的同时提取，保持内部地物连续性，减少了过平滑现象，平衡光谱域和空间域的贡献，从而实现更高精度地物识别与分类。

主权项：1.一种高光谱图像分类方法，其特征在于，所述高光谱图像分类方法包括：获取原始高光谱遥感图像的光谱特征和空间特征；根据所述光谱特征获得候选光谱向量，根据所述空间特征获得多尺度特征，将所述候选光谱向量和所述多尺度特征进行特征融合补偿，获得光谱空间联合特征；根据所述光谱空间联合特征对所述原始高光谱遥感图像进行分类，获得图像分类结果；其中，所述获取原始高光谱遥感图像的光谱特征和空间特征，包括：获取地面真实物体分布标签图，获取主成分数量以及提取图像块的长度宽度参数；根据所述长度宽度参数从原始高光谱遥感图像的高光谱数据中提取每个像元对应的光谱向量，将所述光谱向量作为光谱特征；根据所述主成分数量和所述长度宽度参数对所述原始高光谱遥感图像进行降维处理，获得空间特征；其中，所述根据所述主成分数量和所述长度宽度参数对所述原始高光谱遥感图像进行降维处理，获得空间特征，包括：利用主成分分析算法根据所述主成分数量对所述原始高光谱遥感图像进行降维处理，获得降维后的图像数据；通过降维后的图像数据中的各像元为中心根据所述长度宽度参数获得各像元对应的各图像块，将各图像块作为空间特征；其中，所述利用主成分分析算法根据所述主成分数量对所述原始高光谱遥感图像进行降维处理，获得降维后的图像数据，包括：获取原始高光谱遥感图像的协方差矩阵，根据所述主成分数量对协方差矩阵进行奇异值分解，获得矩阵特征值与对应的矩阵特征向量；对所述矩阵特征值进行降序排序，对所述矩阵特征向量进行对应排序调整；根据排序后的特征向量组成目标矩阵，根据所述目标矩阵和所述原始高光谱遥感图像生成降维后的图像数据；其中，所述根据所述光谱特征获得候选光谱向量，根据所述空间特征获得多尺度特征，将所述候选光谱向量和所述多尺度特征进行特征融合补偿，获得光谱空间联合特征，包括：根据所述光谱特征构建对应的光谱训练样本，将所述光谱训练样本输入到多个不同的长短时记忆网络，获得候选光谱向量；根据所述空间特征构建对应的空间训练样本，将所述空间训练样本输入到多分支网络，获得多尺度特征；将所述候选光谱向量送入多分支网络，进行光谱信息补偿，将补偿后的候选光谱向量与所述多尺度特征进行融合，再次进行光谱信息补偿，获得光谱空间联合特征。

全文数据：

权利要求：

百度查询： 武汉大学 高光谱图像分类方法、装置、设备及存储介质