-
公开(公告)号:CN116682002B
公开(公告)日:2024-12-27
申请号:CN202310421024.3
申请日:2023-04-18
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/082 , G06V10/764 , G06V10/77
Abstract: 本发明提供一种高光谱影像火星表面矿物识别方法及系统,包括:构建CRISM高光谱影像数据集,将CRISM高光谱影像数据集分为训练集和测试集;构建多分支分割网络;选取损失函数,通过损失函数和训练集对多分支分割网络进行迭代训练,获得训练好的深度学习模型;通过训练好的深度学习模型进行CRISM高光谱影像中火星表面矿物的识别。本发明提出的多分支分割网络以多分辨率特征图分支并行的方式提取高光谱影像多层级特征,最后聚合高空间稀疏光谱特征强化分支、较高空间近稀疏光谱特征强化分支、较低空间近密集光谱特征强化分支和低空间密集光谱特征强化分支4个分支的多尺度空间特征以及多尺度光谱特征进行分类以达到更好的识别效果。
-
公开(公告)号:CN116682002A
公开(公告)日:2023-09-01
申请号:CN202310421024.3
申请日:2023-04-18
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/082 , G06V10/764 , G06V10/77
Abstract: 本发明提供一种高光谱影像火星表面矿物识别方法及系统,包括:构建CRISM高光谱影像数据集,将CRISM高光谱影像数据集分为训练集和测试集;构建多分支分割网络;选取损失函数,通过损失函数和训练集对多分支分割网络进行迭代训练,获得训练好的深度学习模型;通过训练好的深度学习模型进行CRISM高光谱影像中火星表面矿物的识别。本发明提出的多分支分割网络以多分辨率特征图分支并行的方式提取高光谱影像多层级特征,最后聚合高空间稀疏光谱特征强化分支、较高空间近稀疏光谱特征强化分支、较低空间近密集光谱特征强化分支和低空间密集光谱特征强化分支4个分支的多尺度空间特征以及多尺度光谱特征进行分类以达到更好的识别效果。
-