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：CN117218537B

公开(公告)日：2024-02-13

申请号：CN202311178242.5

申请日：2023-09-13

申请人： 安徽大学

发明人： 赵晋陵 ,  王家界 ,  黄林生 ,  阮超 ,  雷雨 ,  黄文江 ,  梁栋

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于Transformer和非局部神经网络双分支架构的高光谱图像分类方法，包括：输入高光谱图像H；对输入的高光谱图像H进行双分支处理：将多个立方块Hsp作为空间子网络的输入，取H的光谱信息Hspe作为光谱子网络的输入；得到一维空间特征；得到一维光谱特征；构建多层感知器模块将提取的一维空间特征和一维光谱特征进行融合，得到分类结果。本发明通过对高光谱图像作为研究对象，用双分支策略以在充分保持计算效率的同时减少计算量和节约成本；本发明所提出的空间注意力机制探索中心像素和周围像素的相似性，提高了中心像素识别的准确性，增强了空间提取能力。

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。

公开(公告)号：CN117218537A

公开(公告)日：2023-12-12

申请号：CN202311178242.5

申请日：2023-09-13

申请人： 安徽大学

发明人： 赵晋陵 ,  王家界 ,  黄林生 ,  阮超 ,  雷雨 ,  黄文江 ,  梁栋

IPC分类号： G06V20/10 ,  G06V10/764 ,  G06V10/42 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于Transformer和非局部神经网络双分支架构的高光谱图像分类方法，包括：输入高光谱图像H；对输入的高光谱图像H进行双分支处理：将多个立方块Hsp作为空间子网络的输入，取H的光谱信息Hspe作为光谱子网络的输入；得到一维空间特征；得到一维光谱特征；构建多层感知器模块将提取的一维空间特征和一维光谱特征进行融合，得到分类结果。本发明通过对高光谱图像作为研究对象，用双分支策略以在充分保持计算效率的同时减少计算量和节约成本；本发明所提出的空间注意力机制探索中心像素和周围像素的相似性，提高了中心像素识别的准确性，增强了空间提取能力。