[发明专利]高光谱图像分类方法及其装置

说明书

本发明涉及高光谱图像分类技术领域，特别涉及一种高光谱图像分类方法及其装置，其方法采用SPA算法，可以有效去除高光谱图像的相关性，仅保留若干特征波长的图像数据进行高光谱图像处理，可有效提高高光谱图像处理速度。同时构建了一种基于连续投影算法与Mask RCNN架构的高光谱图像分类系统，本系统通过神经网络的进行对特征波段图像的分类识别，识别速度快、精度高。采用该方法的装置也具有相同的技术效果。

技术领域

本发明涉及高光谱图像分类技术领域，特别涉及一种高光谱图像分类方法及其装置。

背景技术

高光谱图像具备目标区域丰富的特征信息，被广泛用用在农业、环境检测、地物目标探测等等领域。然而丰富的特征信息也带来了对处理系统的庞大内存消耗，同时造成高光谱图像相关性强、信息冗余多，给高光谱图像的处理带来极大不便，严重影响了高光谱图像的处理速度。现有技术存在不足。

发明内容

本发明的目的在于提供一种高光谱图像分类方法及其装置，旨在解决高光谱图像因为相关性强且信息冗余多造成对处理系统较大的内存消耗，给处理系统带来过大压力的技术问题。

一方面，本发明提供了一种高光谱图像分类方法，所述方法包括下述步骤：

S1.使用SPA算法对高光谱图像进行特征波段图像提取；

S2.将所述特征波段图像进行掩膜标定；

S3.基于Mask RCNN神经网络完成对高光谱图像的像素级识别分类。

优选的，所述Mask RCNN神经网络的训练包括以下步骤：

A1.根据掩膜标定结果以及结合后的3张所述特征波段图像，制作高光谱图像数据集；

A2.利用所述数据集训练Mask RCNN架构神经网络，整合掩膜信息、类别信息以及位置信息分别对3张所述特征波段图像进行像素级分割；

A3.整合3张所述特征波段图像的分割结果，完成基于Mask RCNN架构的高光谱图像分类模型的训练。

另一方面，本发明还提供一种高光谱图像分类装置，所述装置包括：

特征波段图像提取单元，使用SPA算法对高光谱图像进行特征波段图像提取；

掩膜标定单元，与所述特征波段图像提取单元电连接，对得到的所述特征波段图像进行掩膜标定；

识别分类单元，分别与特征波段图像提取单元和所述掩膜标定单元电连接，基于所述掩膜标定单元的输出完成对Mask RCNN神经网络的训练；基于特征波段图像提取单元的输出通过Mask RCNN神经网络完成对高光谱图像的像素级识别分类。

本发明在采用SPA算法，可以有效去除高光谱图像的相关性，仅保留若干特征波长的图像数据进行高光谱图像处理，可有效提高高光谱图像处理速度。同时构建了一种基于连续投影算法与Mask RCNN架构的高光谱图像分类系统，本系统通过神经网络的进行对特征波段图像的分类识别，识别速度快、精度高。

附图说明

图1是本发明实施例一提供的高光谱图像分类方法的概括流程示意图；

图2是本发明实施例二提供的高光谱图像分类装置的框架示意图；

图3是本发明实施例一提供的高光谱图像分类方法的详细流程示意图；

图4是本发明实施例一提供的高光谱图像分类方法的基于高光谱图像的MaskRCNN网络架构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。