[发明专利]一种基于双流卷积神经网络的高光谱图像目标检测方法

权利要求书

1.一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于，包括如下步骤：

步骤1，选取高光谱影像上的背景样本B；

步骤1中使用联合稀疏表示与分类的像元选择策略选取高光谱影像上的背景样本B，具体实现方式如下，

设高光谱遥感影像对应的矩阵为X，对矩阵X使用主成分分析法进行降维，然后对降维后的影像使用K均值聚类分为m个类别；每一个类别的集合表示为对于第i个类别中的第s个像元e_is，使用当前类别中的除该像元外的集合对e_is进行稀疏表示，获得相对应的稀疏向量θ_is，对θ_is求其一范数获得像元e_is的被表示频率，被表示频率越高，说明该像元在第i个类别中越具有典型性，在这个类别中选取若干个具有典型性的像元作为背景样本；

步骤2，使用先验目标光谱P和背景样本合成目标样本T；

步骤3，使用背景样本和目标样本分别与先验目标构建为网络的训练样本；

步骤4，将构建好的训练样本输入到设计好的双流卷积神经网络中进行训练；

所述双流卷积神经网络分为上下两个支流，上支流的输入为先验目标光谱P，下支流的输入为目标样本T和背景样本B，上下两个支流的结构参数和操作相同，包括：九层卷积、四次池化、一次特征加和、一次全连接操作；

步骤5，将影像上的待探测像元与先验目标构建为探测样本，输入到训练好的双流卷积神经网络中，得到对应的预测值；

步骤6，将得到的预测值作为该待探测像元的输出值，得到整张影像的目标检测结果。

2.如权利要求1所述的一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于：步骤2的具体实现方式如下，

使用步骤1中获取的背景样本，将其作为背景成分，以一定的随机比例分别植入到先验目标光谱中，获取目标样本，植入方式如下：

θx＝(1-λ)p_t+λp_b

其中，λ为背景成分比例，P_b和P_t分别是背景样本光谱和先验目标光谱，θx为合成的目标样本。

3.如权利要求2所述的一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于：λ的取值为0％-20％里面的随机整数百分比。

4.如权利要求1所述的一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于：所述双流卷积神经网络中上下两个支流的网络结构包括依次连接的9层卷积层，其中第3、5、7层的卷积层后面分别连接池化操作，然后将池化后的特征以及第9层卷积后的特征进行特征加和，对特征加和后的特征进行池化和全连接操作，两个支流分别得到特征F₁和特征F₂，对上下支流得到的特征F₁和F₂相减，然后经过全连接层输出得到标签值。

5.如权利要求4所述的一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于：两个支流中所有卷积层的大小为1×3，卷积核的个数为30，第3、5、7、9层的卷积层的步长为2，其他卷积层的步长均为1。

6.如权利要求4所述的一种基于双流卷积神经网络的高光谱图像目标检测方法，其特征在于：所述双流卷积神经网络通过一个类间分离度损失函数L_ICS进行优化训练，将先验目标分别与目标样本和背景样本构建为网络的正样本和负样本，正样本标签赋值为1，负样本标签赋值为0；L_ICS的表达式如下：

其中，n为批训练数目，F_1i，F_2i分别是指第i个输入上下支流所获取的特征。