← 返回列表
一种基于多特征融合的高光谱图像分类方法
摘要文本
本发明公开一种基于多特征融合的高光谱图像分类方法，获取高光谱图像并进行预处理，获得数据集；构建初始分类模型，包括三个并行的优化后的ResNet网络、3D‑CNN网络、LSTM网络，用于分别提取特征矩阵H1、特征矩阵H2和特征矩阵H3；融合模块，用于将特征矩阵H1、特征矩阵H2、特征矩阵H3进行特征融合，得到融合后特征矩阵H0；分类器，用于将融合后特征矩阵H0作为输入，获得分类结果；将数据集输入至初始分类模型中进行训练，同时计算损失函数以Adam优化器更新模型参数，当损失函数不断下降直至收敛时，得到分类模型；将待识别高光谱图像输入至分类模型，获得分类结果。本发明能够提高高光谱图像分类的准确率。 微信公众号马克 数据网
申请人信息
- 申请人:海南大学
- 申请人地址:570228 海南省海口市人民大道58号
- 发明人: 海南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于多特征融合的高光谱图像分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311646649.6 |
| 申请日 | 2023/12/4 |
| 公告号 | CN117726939A |
| 公开日 | 2024/3/19 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 海南大学 |
| 发明人 | 沈义俊; 全嘉鑫; 李萌; 杜燕连; 刘虎; 周健一; 张炜峰; 冉倩; 李文庆; 张瑞永; 刘悦凡; 袁广 |
| 地址 | 海南省海口市美兰区人民大道58号 |
专利主权项内容
1.一种基于多特征融合的高光谱图像分类方法，其特征在于，包括如下步骤：获取高光谱图像并进行预处理，获得数据集；构建初始分类模型，所述初始分类模型包括三个并行的优化后的ResNet网络、优化后的3D-CNN网络、优化后的LSTM网络，用于分别提取特征矩阵H1、特征矩阵H2和特征矩阵H3；融合模块，用于将特征矩阵H1、特征矩阵H2、特征矩阵H3进行特征融合，得到融合后特征矩阵H0；分类器，用于将融合后特征矩阵H0作为输入，获得分类结果；将数据集输入至初始分类模型中进行训练，同时计算损失函数以Adam优化器更新模型参数，当损失函数不断下降直至收敛时，得到分类模型；将待识别高光谱图像输入至分类模型，获得待识别高光谱图像的分类结果。 来源：马 克 数 据 网