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：西安电子科技大学

摘要：本发明公开了一种基于深度生成光谱‑空间分类器的非平衡高光谱图像分类方法，主要解决现有技术在面对非平衡高光谱分类任务中小类别分类精度不佳的问题。其实现方案为：获取高光谱图像并进行波段选择，将其划分为训练样本与测试样本；构建包含两阶段三维编码器、三维解码器、小类别上采样模块和分类器的非平衡高光谱图像的分类网络；利用训练样本对分类网络进行训练，设置总体损失函数，初始化网络训练参数，采用梯度下降方法更新分类网络，直至达到最大迭代次数；将测试样本输入到训练好的分类网络，得到分类结果。本发明提高了高光谱图像中小类别的分类精度，增强了鲁棒性，可用于矿产勘测，生态监测，智慧农业及医疗诊断。

主权项：1.一种非平衡高光谱图像的分类方法，其特征在于，包括以下步骤：1获取高光谱图像数据并进行波段选择，按照固定尺寸将波段选择后的高光谱图像分割出光谱-空间特征邻域块，再将其按1：99的比例划分为训练样本和测试样本；2构建非平衡高光谱图像分类网络模型：2a建立由三个三维卷积模块与二维卷积模块级联，并与两个并联的全连接网络级联，之后再级联重参数模块组成了三维编码器；2b在隐含空间设置小类别上采样模块；2c建立由1个全连接层和多个反卷积层构成的三维解码器；2d建立由1个全连接层构成的图像分类器模块；2e将三维编码器与小类别上采样模块级联，将三维解码器与分类器并联，小类别上采样模块的输出同时并行输入三维解码器与分类器，形成非平衡高光谱图像分类网络模型；3对非平衡高光谱图像分类网络模型进行训练：3a构建该网络模型的总体损失函数LTotal＝λ·Lmmd+LPdRec+Lcls，其中Lmmd为基于最大化均值差异的正则项损失函数，LPdRec为基于邻域距离的重构损失函数，Lcls为基于交叉熵的分类损失函数，λ为参数；3b初始化非平衡高光谱图像分类网络模型的参数包括三维编码器中的权重参数w、偏置参数b和参数θ＝{θ1,θ2}、三维解码器中的权重参数w、偏置参数b和参数小类样本特征上采样模块中的均值参数和方差参数及分类器参数η；3c将训练样本输入到非平衡高光谱图像分类网络模型，采用梯度下降方法，循环更新非平衡高光谱图像分类网络中的参数，以减小总损失函数的梯度值，直至达到最大迭代次数T为止，得到训练好的非平衡高光谱图像分类网络模型；4将测试样本输入到训练好的非平衡高光谱图像分类网络模型，输出高光谱图像分类结果图。

全文数据：

权利要求：

百度查询： 西安电子科技大学 非平衡高光谱图像分类方法