公开(公告)号：CN117893816B

公开(公告)日：2024-07-02

申请号：CN202410071215.6

申请日：2024-01-18

申请人： 安徽大学

发明人： 赵晋陵 ,  吴柯柯 ,  章露 ,  肖甜 ,  王家界 ,  黄林生 ,  阮超 ,  黄文江

IPC分类号： G06V10/764 ,  G06V10/44 ,  G06V10/52 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/045 ,  G06N3/0464

摘要： 本发明涉及一种分层次残差光谱空间卷积网络的高光谱图像分类方法，包括：获取高光谱图像数据立方体，分割为一组相互重叠的3D斑块P；构建分层次残差光谱空间卷积网络；将3D斑块P输入分层次残差光谱空间卷积网络，得到光谱维的三维光谱空间特征；对光谱维的三维光谱空间特征进行分层次特征注意处理，得到分层次的特征映射；对分层次的特征映射进行光谱空间特征学习，得到空间维的三维光谱空间特征；对空间维的三维光谱空间特征进行分类处理，得到每一类地物的概率分布。本发明在提取各类地物微小特征上发挥着极其重要的作用，有效解决了图像块之间远近距离依赖关系，高效捕捉浅层空谱特征和深层空谱特征，并且降低注意力机制的冗余。

公开(公告)号：CN117218429A

公开(公告)日：2023-12-12

申请号：CN202311178205.4

申请日：2023-09-13

申请人： 安徽大学

发明人： 赵晋陵 ,  吴柯柯 ,  黄林生 ,  阮超 ,  雷雨 ,  黄文江 ,  梁栋

IPC分类号： G06V10/764 ,  G06V10/774 ,  G06V10/42 ,  G06V10/80 ,  G06V10/77

摘要： 本发明涉及一种基于双分支网络的光谱‑空间注意力机制的高光谱图像分类方法，包括：输入高光谱图像数据立方体；使用主成分分析将高光谱图像的光谱维数降维，对于要分类的像素，将其封装成相邻区域块作为光谱子网络的输入；在每个特定像素周围创建一个相邻区域来收集空间信息，并作为空间子网络的输入；得到一维光谱特征；得到一维空间特征；通过融合层对一维光谱特征和一维空间特征进行融合和平衡，使用softmax回归层来预测每一类地物的概率分布。本发明通过对高光谱图像作为研究对象，在有限样本的前提下提高高光谱图像的有效特征表示，既保证了分类精度，又减少了网络模型的参数个数和计算量；充分利用了光谱信息和空间信息，以取得更好的分类结果。

公开(公告)号：CN117893816A

公开(公告)日：2024-04-16

申请号：CN202410071215.6

申请日：2024-01-18

申请人： 安徽大学

发明人： 赵晋陵 ,  吴柯柯 ,  章露 ,  肖甜 ,  王家界 ,  黄林生 ,  阮超 ,  黄文江

IPC分类号： G06V10/764 ,  G06V10/44 ,  G06V10/52 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06V20/10 ,  G06N3/045 ,  G06N3/0464

摘要： 本发明涉及一种分层次残差光谱空间卷积网络的高光谱图像分类方法，包括：获取高光谱图像数据立方体，分割为一组相互重叠的3D斑块P；构建分层次残差光谱空间卷积网络；将3D斑块P输入分层次残差光谱空间卷积网络，得到光谱维的三维光谱空间特征；对光谱维的三维光谱空间特征进行分层次特征注意处理，得到分层次的特征映射；对分层次的特征映射进行光谱空间特征学习，得到空间维的三维光谱空间特征；对空间维的三维光谱空间特征进行分类处理，得到每一类地物的概率分布。本发明在提取各类地物微小特征上发挥着极其重要的作用，有效解决了图像块之间远近距离依赖关系，高效捕捉浅层空谱特征和深层空谱特征，并且降低注意力机制的冗余。