← 返回列表
基于类引导注意力机制的高光谱图像分类方法
摘要文本
本发明涉及高光谱遥感图像分类技术领域，尤其涉及一种基于类引导注意力机制的高光谱图像的分类方法。包括：S1：通过主成分分析法对原始高光谱图像进行光谱降维，获得特征图A；S2：将特征图A进行数据集获取与划分，并进行数据扩充和处理，对应获得邻域图像块和图样本；S3：搭建高光谱图像分类模型，将训练集输入至高光谱图像分类模型进行特征融合，获得训练集中每个样本的分类结果；S4：根据训练集的分类结果，利用交叉熵函数对高光谱图像分类模型进行优化，获得精度最高的模型参数；S5：将测试集输入至高光谱图像分类模型，获得分类结果。本发明解决了高光谱遥感图像分类中的样本间的特征提取不充分问题和特征不兼容问题。
申请人信息
- 申请人:中国科学院长春光学精密机械与物理研究所
- 申请人地址:130033 吉林省长春市经济技术开发区东南湖大路3888号
- 发明人: 中国科学院长春光学精密机械与物理研究所
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于类引导注意力机制的高光谱图像分类方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410008244.8 |
| 申请日 | 2024/1/3 |
| 公告号 | CN117830848A |
| 公开日 | 2024/4/5 |
| IPC主分类号 | G06V20/10 |
| 权利人 | 中国科学院长春光学精密机械与物理研究所 |
| 发明人 | 王永成; 冯昊 |
| 地址 | 吉林省长春市经济技术开发区东南湖大路3888号 |
专利主权项内容
1.一种基于类引导注意力机制的高光谱图像分类方法，其特征在于，具体包括如下步骤：S1：通过主成分分析法对原始高光谱图像进行光谱降维，获得保留b个分量的特征图A；S2：将所述特征图A进行数据集获取与划分，获得训练集和测试集，对所述训练集和所述测试集进行数据扩充和处理，对应获得邻域图像块和图样本；S3：搭建基于类引导注意力机制的高光谱图像分类模型，将所述训练集的邻域图像块和图样本均输入至所述高光谱图像分类模型进行特征融合，获得所述训练集中每个样本的分类结果；S4：根据所述训练集的分类结果，利用交叉熵函数对所述高光谱图像分类模型的可学习参数进行优化，获得具有最高精度模型参数的高光谱图像分类模型；S5：将所述测试集的邻域图像块和图样本均输入至所述步骤S4获得的高光谱图像分类模型，获得所述测试集中每个样本的分类结果。 数据由马 克 数 据整理