[发明专利]神经网络训练和高光谱图像解译方法、装置及电子设备

说明书

本申请公开了一种神经网络训练和高光谱图像解译方法、装置及电子设备。其中，高光谱图像解译用神经网络模型的训练方法，包括执行至少二次如下的训练步骤：选取一部分光谱谱段作为当前次训练用光谱谱段；从当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中确定当前次训练用图像数据；根据当前次训练用图像数据调整高光谱图像解译用神经网络模型的网络参数；训练方法还包括响应于当前次的训练情况不满足预设的训练完成条件，执行下一次训练步骤。该实施方式能够充分利用高光谱图像数据中不同光谱谱段的信息，综合不同光谱谱段信息来提升在不同环境光条件下对同一图像特征识别的鲁棒性。

技术领域

本申请涉及图像处理领域，具体涉及高光谱图像处理领域，尤其涉及一种神经网络训练和高光谱图像解译方法、装置及电子设备。

背景技术

遥感是以航空摄影技术为基础，在10世纪50年代初发展起来的一门新兴技术。经过几十年的迅速发展，成为一门实用的、先进的空间探测技术。在遥感探测技术得到的数据中，高光谱图像数据由于含有丰富信息，对目标有更强的表示能力，因此在众多应用中起着不可或缺的作用。

例如，为了更准确探测大气云层信息，气象卫星采集的高光谱图像数据中不仅可以包括可见光信息，还可以包括可见光范围外的多个红外谱段，从而对云层高度、水蒸气含量等信息进行探测。

发明内容

本申请提出了一种高光谱图像解译的技术方案。

本申请实施方式的一方面提供了一种高光谱图像解译用神经网络模型的训练方法，包括执行至少二次如下的训练步骤：从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段；确定当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中与当前次训练用光谱谱段相应的图像数据，作为当前次训练用图像数据；根据当前次训练用图像数据调整高光谱图像解译用神经网络模型的网络参数；训练方法还包括：响应于当前次高光谱图像解译用神经网络模型的训练情况不满足预设的训练完成条件，执行下一次训练步骤，其中，执行的各次训练步骤中，至少二次的训练步骤中选取的训练用光谱谱段至少部分不同。

在一些实施例中，在确定当前次训练用高光谱图像集的各高光谱图像所包括的多个光谱谱段的图像数据中与当前次训练用光谱谱段相应的图像数据之前，方法还包括：从训练样本库中选取一部分高光谱图像作为当前次训练用高光谱图像集。

在一些实施例中，执行的各次训练步骤中，至少二次的训练步骤中选取的训练用高光谱图像集所包括的高光谱图像至少部分不同。

在一些实施例中，从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：至少根据预定的谱段选取比例从多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

在一些实施例中，至少根据预定的谱段选取比例从多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：至少根据预定的谱段选取比例从多光谱谱段信息中随机选取一部分光谱谱段，作为当前次训练用光谱谱段。

在一些实施例中，从预定的多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：至少根据多光谱谱段信息包括的各光谱谱段的未选中比例，从多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

在一些实施例中，至少根据多光谱谱段信息包括的各光谱谱段的未选中比例，从多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段，包括：至少根据多光谱谱段信息包括的各光谱谱段的未选中比例，随机从多光谱谱段信息中选取一部分光谱谱段，作为当前次训练用光谱谱段。

在一些实施例中，多光谱谱段信息包括：各次训练用高光谱图像集的各高光谱图像所包括的各个光谱谱段。

在一些实施例中，高光谱图像的任一光谱谱段的图像数据，包括：高光谱图像在任一光谱谱段的图像中像素级的解译标注数据。