[发明专利]高光谱图像分类方法、装置、电子设备及存储介质

权利要求书

1.一种高光谱图像分类方法，其特征在于，所述高光谱图像分类方法包括：

提取高光谱图像的高光谱像元，并建立所述高光谱像元的三阶局部空谱张量；

基于预设的类张量分解算法，对所述三阶局部空谱张量进行类张量分解，得到像元光谱分量和像元空间分量；

利用卷积网络分别对所述像元光谱分量和像元空间分量进行卷积计算，提取得到表示光谱信息的光谱特征矢量和表示空间信息的空间特征矢量，并对各像元的空间特征矢量和光谱特征矢量进行级联，得到所述高光谱图像的空谱特征；

根据所述空谱特征对所述高光谱图像进行分类。

2.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述建立所述高光谱像元的三阶局部空谱张量包括：

提取所述高光谱像元的空间信息和光谱域信息；

利用张量数据模型，基于所述空间信息和光谱域信息对所述高光谱像元进行数学建模，得到三阶局部空谱张量。

3.根据权利要求1所述的高光谱图像分类方法，其特征在于，所述基于预设的类张量分解算法，对所述三阶局部空谱张量进行类张量分解，得到像元光谱分量和像元空间分量包括：

利用张量的类模n乘法，对所述三阶局部空谱张量进行张量的分解，得到至少两个一维局部张量和至少两个二维局部张量；

利用张量的联合概率分布函数，根据所述至少两个一维局部张量和至少两个二维局部张量分别计算出像元光谱分量和像元空间分量。

4.根据权利要求3所述的高光谱图像分类方法，其特征在于，所述利用张量的联合概率分布函数，根据所述至少两个一维局部张量和至少两个二维局部张量分别计算出像元光谱分量和像元空间分量包括：

确定所述至少两个一维局部张量中的一维局部中心空谱张量以及所述至少两个一维局部张量中的一维局部邻域空谱张量；

基于张量的联合概率分布函数，计算所述一维局部中心空谱张量和所述一维局部邻域空谱张量的第一联合概率分布值；

利用均值法计算所述第一联合概率分布值的平均值，并基于所述平均值确定像元光谱分量；

确定所述至少两个二维局部张量中的二维局部中心空谱张量以及所述至少两个二维局部张量中的二维局部邻域空谱张量；

基于张量的联合概率分布函数，计算所述二维局部中心空谱张量和所述二维局部邻域空谱张量的第二联合概率分布值；

利用均值法计算所述第二联合概率分布值的平均值，并基于所述平均值确定像元空间分量。

5.根据权利要求4所述的高光谱图像分类算法，其特征在于，所述利用卷积网络分别对所述像元光谱分量和像元空间分量进行卷积计算，提取得到表示光谱信息的光谱特征矢量和表示空间信息的空间特征矢量，并对各像元的光谱特征矢量和空间特征矢量进行级联，得到所述高光谱图像的空谱特征包括：

利用一维卷积网络对所述像元光谱分量进行卷积计算，提取得到表示光谱信息的光谱特征矢量；

利用二维卷积网络对所述像元空间分量进行卷积计算，提取表示空间信息的空间特征矢量；

对所述光谱特征矢量和所述空间特征矢量进行级联，得到所述高光谱图像的空谱特征。

6.根据权利要求5所述的高光谱图像分类算法，其特征在于，对所述光谱特征矢量和所述空间特征矢量进行级联的计算公式为：

其中，σ(·)为一维卷积网络的函数式，ψ(·)为二维卷积的函数式，表示级联。

7.根据权利要求1所述的高光谱图像分类算法，其特征在于，所述根据所述空谱特征对所述高光谱图像进行分类包括：

根据所述空谱特征确定对应的分类小样本度量空间，并计算出所述分类小样本度量空间的分类距离度量；

根据所述分类距离度量对所述高光谱图像进行分类。