公开(公告)号：CN118247588A

公开(公告)日：2024-06-25

申请号：CN202410678270.1

申请日：2024-05-29

Applicant: 南京信息工程大学

Inventor： 赵广瑞 ,  孙倩 ,  孙乐 ,  潘成胜

IPC: G06V10/764 ,  G06V10/82 ,  G06V20/10 ,  G06V10/58 ,  G06V10/77 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明公开了一种基于多尺度特征注意力的高光谱图像分类方法，包括以下步骤：（1）获取高光谱图像数据并进行预处理；（2）构建基于MSAM‑Net高光谱图像网络并进行训练，包括：基于多尺度CNN的高光谱图像特征提取模块、多尺度特征增强的金字塔挤压注意力机制模块、基于自注意力机制的Transformer编码特征学习模块；（3）将步骤（2）得到的结果输入基于softmax函数的线性分类器，以获取最终的类别信息；本发明设计了轻量化分类网络MSAM‑Net，减少了基于卷积神经网络和基于Transformer方法的计算成本，提升了模型的计算效率和分类性能；能够充分学习和处理高光谱图像中丰富的光谱和空间特征。

公开(公告)号：CN114140646A

公开(公告)日：2022-03-04

申请号：CN202111398100.0

申请日：2021-11-19

Applicant: 南京信息工程大学

Inventor： 孙乐 ,  赵广瑞 ,  宋相博 ,  何承迅

IPC: G06V10/764 ,  G06V10/77 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请涉及一种多尺度CNN特征嵌入的多核学习高光谱图像分类方法。该方法包括：将原始高光谱图像进行超像素分割，获得L个超像素分割图，对原始高光谱图像进行光谱核提取，获得原始高光谱图像的光谱核；采用加权平均滤波对L个超像素分割图进行特征提取，获得超像素间的空间核；利用多尺度CNN对原始高光谱图像进行处理，获得不同尺度下的深度空间核；将光谱核、超像素间的空间核和深度空间核重塑为一维列向量，获得多个一维列向量，并重构为二维矩阵；对二维矩阵进行主成分分析，将第一主成分列向量重塑为原始核大小的最优核；将最优核作为支持向量机的核函数对原始高光谱图像进行分类，获得分类结果。能够快速有效的获得检测结果。