[发明专利]一种基于六层卷积神经网络和光谱-空间信息联合的高光谱遥感图像分类方法

权利要求书

1.一种基于六层卷积神经网络和光谱-空间信息联合的高光谱遥感图像分类方法，高光谱遥感图像是M×N×U的三维数据，其中U为波段数，每个波段的数据为一幅M×N的二维图像，M和N分别是该二维图像包含的像元行数和列数；其特征在于，分类方法包括以下步骤：

步骤1：提取高光谱遥感图像中能量值较大的P个波段对应的二维图像，对各幅图像进行灰度值规范处理；具体为：

首先，将U个波段对应的二维图像按照能量值排序，二维图像的能量值即为该图像上所有像元对应的灰度值的平方之和；再提取能量值较大的P个波段，P的选取准则为：

其中fix(·)表示向小数方向取整；

然后，对提取出的P幅二维图像，分别将其灰度值规范到[-1,1]的范围内，单幅图像的灰度值规范处理方法如下：

其中，A_mn表示该幅图像上第m行n列的像元的灰度值，表示该像元所在列的所有像元的灰度值的平方和；B_mn表示该幅图像上第m行n列的像元规范处理后的灰度值；

步骤2：对灰度值规范处理后的P幅图像分别进行二维均值滤波，滤波模板参数由高光谱遥感图像的原始数据参数确定；即针对二维图像中的每一个像元，以该像元为中心，计算其附近r×r个像元的灰度值的平均值，作为二维均值滤波后该像元的灰度值；其中r的取值方法如下：

其中，x＝1,2,…,X，X为高光谱图像的地物类别数，x为地物类别序号；S(x)表示第x类地物在二维图像中占据的总像元数目，

步骤3：对各像元对应的一维数组进行格式转换，将其转换为方阵；其中像元对应的一维数组是指由该像元对应的P个波段的数据构成的长度为P的一维数组；其中的格式转换，是将长度为P的一维数组按列填充，即将一维数组中第1到Q个数据，放置在方阵的第一列；将第Q+1到2Q个数据，放置在方阵的第二列，依此类推，将一维数组的所有数据填充入Q×Q的方阵，从而将一维数组转换为Q×Q的方阵，

步骤4：设计一个六层卷积神经网络分类器，将各个像元对应的方阵数据作为六层卷积神经网络分类器的输入，对各个像元进行特征提取及分类；所述六层卷积神经网络分类器包括6个学习层，分别为输入层，第一卷积层，最大池化层，第二卷积层，全连接层和输出层；各层的参数设置准则是：

第一卷积层有6个特征图，卷积核大小为k₁＝ceil(Q/3)，ceil(·)表示向大数方向取整；特征图大小为n₁×n₁，其中，n₁＝Q-k₁+1；

最大池化层有6个特征图，特征图大小为n₂×n₂；特征图中的每个单元与第一卷积层中相对应特征图的k₂×k₂邻域相连接，其中，k₂取值范围在2～5之间，n₂＝n₁/k₂；

第二卷积层的卷积核大小为k₃＝fix(n₂/2)，特征图数量为12，特征图大小为n₃×n₃，其中，n₃＝n₂-k₃+1；

全连接层设置为n₄＝100个单元；

将需要进行特征提取及分类的像元对应的方阵数据输入，经六层卷积神经网络分类器，输出该像元对应的长度为X的一维数组，该一维数组中第x个元素表示该像元处的高光谱数据属于第x类地物的概率，记为p_x，X为高光谱图像的地物类别数；将最大的p_x对应类别的地物作为该像元的分类结果，完成该像元的分类处理。

2.根据权利要求1所述的基于六层卷积神经网络和光谱-空间信息联合的高光谱遥感图像分类方法，其特征在于，将需要进行特征提取及分类的若干像元对应的方阵数据采用批处理的方式输入，经六层卷积神经网络分类器，输出各像元对应的长度为X的一维数组，完成该批像元的分类处理。

3.根据权利要求1～2中任一项所述的基于六层卷积神经网络和光谱-空间信息联合的高光谱遥感图像分类方法，其特征在于，所述步骤4中，首先将高光谱遥感图像训练样本对应的方阵数据输入至六层卷积神经网络分类器，利用训练样本已知的地物类别，通过反向传播算法进行六层卷积神经网络分类器的参数调整；训练完毕后，把需要进行特征提取及分类的像元对应的方阵数据输入至训练好的分类器，进行特征提取及分类。