公开(公告)号：CN111667019B

公开(公告)日：2023-03-24

申请号：CN202010581348.X

申请日：2020-06-23

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  闫清宇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

Abstract: 基于可变形分离卷积的高光谱图像分类方法，属于图像处理技术领域，本发明为解决现有高光谱图像分类方法精度低的问题。它包括：将高光谱图像每个像素点的r×r×d邻域的图像数据作为神经网络的输入，r表示空间大小，d表示高光谱图像的波段数；对输入的高光谱图像经过深度分离卷积提取图像低层次的特征，获得特征图；采用加入可变形运算的分离卷积学习特征图对应的偏置，获得自适应图像的空间分布，再采用光谱卷积运算提取深度的特征；将深度特征输入神经网络的全连接层和softmax回归层预测每个类的概率分布，完成图像分类。本发明用于对高光谱遥感图像进行分类。

公开(公告)号：CN111667019A

公开(公告)日：2020-09-15

申请号：CN202010581348.X

申请日：2020-06-23

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  闫清宇

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 基于可变形分离卷积的高光谱图像分类方法，属于图像处理技术领域，本发明为解决现有高光谱图像分类方法精度低的问题。它包括：将高光谱图像每个像素点的r×r×d邻域的图像数据作为神经网络的输入，r表示空间大小，d表示高光谱图像的波段数；对输入的高光谱图像经过深度分离卷积提取图像低层次的特征，获得特征图；采用加入可变形运算的分离卷积学习特征图对应的偏置，获得自适应图像的空间分布，再采用光谱卷积运算提取深度的特征；将深度特征输入神经网络的全连接层和softmax回归层预测每个类的概率分布，完成图像分类。本发明用于对高光谱遥感图像进行分类。