一种基于SSBRID网络的高光谱图像分类方法
摘要文本
一种基于SSBRID网络的高光谱图像分类方法，它属于遥感图像分类技术领域。本发明解决了现有卷积神经网络的参数多、模型尺寸大以及分类精度低的问题。本发明将二维卷积扩展到三维卷积，可以适应高光谱数据的三维的特点；同时，将非对称卷积核引入三维卷积层中，可以降低模型参数量，提升运行速度；最后，对三维卷积的输出特征进行重组，并送入二维卷积中，可以在减少网络的参数的同时，减小模型尺寸、通过共享信息减少空间冗余，并提高了分类精度。本发明方法可以应用于遥感图像分类。
申请人信息
- 申请人:哈尔滨工程大学
- 申请人地址:150001 黑龙江省哈尔滨市南岗区南通大街145号
- 发明人: 哈尔滨工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于SSBRID网络的高光谱图像分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311439963.7 |
| 申请日 | 2023/11/1 |
| 公告号 | CN117475217A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 哈尔滨工程大学 |
| 发明人 | 王敏慧; 孙亚秀; 项建弘; 王霖郁; 黄丽莲; 钟瑜; 孙蕊; 武雅若; 蒋涵宇; 王英; 徐昊 |
| 地址 | 黑龙江省哈尔滨市南岗区南通大街145号哈尔滨工程大学科技处知识产权办公室 |
专利主权项内容
1.一种基于SSBRID网络的高光谱图像分类方法，其特征在于，所述方法具体包括以下步骤：步骤1、获取高光谱图像数据集；步骤2、对步骤1中获取的高光谱图像进行降维处理，获得降维处理后的高光谱图像数据；步骤3、将降维处理后的高光谱图像数据随机划分为训练集和测试集两个部分；步骤4、构建SSBRID网络，利用训练集对构建的SSBRID网络进行训练，直至SSBRID网络在测试集上的分类精度不再提升时停止训练，获得训练好的SSBRID网络；步骤5、对待分类的高光谱图像进行降维处理后，将降维处理后的待分类高光谱图像输入训练好的SSBRID网络，通过SSBRID网络输出对待分类高光谱图像的分类结果；所述SSBRID网络的工作过程为：从输入端开始，输入图像依次经过卷积核大小为3×3×3的第一个三维卷积层、第一个BN归一化层、第一个Mish激活函数层以及卷积核大小为1×1×1的第二个三维卷积层；第二个三维卷积层的输出分别作为卷积核大小为1×1×3的第三个三维卷积层和卷积核大小为3×1×1的第四个三维卷积层的输入，第四个三维卷积层的输出再作为卷积核大小为1×3×1的第五个三维卷积层的输入；第三个三维卷积层的输出和第五个三维卷积层的输出进行拼接后，拼接结果再依次经过第二个BN归一化层和第二个Mish激活函数层，对第二个Mish激活函数层的输出进行尺寸变换后，将尺寸变换结果作为卷积核大小为3×3的第一个二维卷积层的输入；第一个二维卷积层的输出作为AOS模块的输入，AOS模块的输出再经过Softmax层，通过Softmax层输出分类结果。