[发明专利]一种基于非负稀疏自编码器的盲端元提取与光谱解混方法在审
申请号: | 202210002964.4 | 申请日: | 2022-01-04 |
公开(公告)号: | CN114332481A | 公开(公告)日: | 2022-04-12 |
发明(设计)人: | 刘畅;王广平 | 申请(专利权)人: | 北京环境特性研究所 |
主分类号: | G06V10/40 | 分类号: | G06V10/40;G06N3/04;G06N3/06 |
代理公司: | 北京格允知识产权代理有限公司 11609 | 代理人: | 周娇娇 |
地址: | 100854*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 稀疏 编码器 盲端元 提取 光谱 方法 | ||
1.一种基于非负稀疏自编码器的盲端元提取与光谱解混方法,其特征在于,包括:
对原始高光谱图像进行波段选择,将经过波段选择之后的高光谱图像中任一像元的光谱通道数据输入预设的非负稀疏自编码器;其中,所述非负稀疏自编码器包含依次连接的输入层、多个隐藏层和输出层;
在所述输出层的输出数据能够复现所述光谱通道数据的情况下,获取所述多个隐藏层中最后一个隐藏层的每一神经元的激活值、以及所述最后一个隐藏层的每一神经元与所述输出层的权重向量;
将每一神经元与所述输出层的权重向量确定为一个盲端元的光谱数据,将该神经元的激活值确定为对应于该盲端元的丰度,从而实现所述任一像元的光谱解混。
2.根据权利要求1所述的方法,其特征在于,所述非负稀疏自编码器通过以下步骤进行训练:
利用非监督逐层训练方式对所述非负稀疏自编码器进行预训练;
在预训练完成之后,使用反向传播算法调整所述非负稀疏自编码器的模型参数,以使所述非负稀疏自编码器收敛。
3.根据权利要求2所述的方法,其特征在于,所述多个隐藏层的数量与所述盲端元的数量相等。
4.根据权利要求3所述的方法,其特征在于,所述输出层的神经元数量与所述输入层的神经元数量相等。
5.一种基于非负稀疏自编码器的盲端元提取与光谱解混装置,其特征在于,包括:
预处理单元,用于:对原始高光谱图像进行波段选择,将经过波段选择之后的高光谱图像中任一像元的光谱通道数据输入预设的非负稀疏自编码器;其中,所述非负稀疏自编码器包含依次连接的输入层、多个隐藏层和输出层;
运算单元,用于:在所述输出层的输出数据能够复现所述光谱通道数据的情况下,获取所述多个隐藏层中最后一个隐藏层的每一神经元的激活值、以及所述最后一个隐藏层的每一神经元与所述输出层的权重向量;
解混单元,用于:将每一神经元与所述输出层的权重向量确定为一个盲端元的光谱数据,将该神经元的激活值确定为对应于该盲端元的丰度,从而实现所述任一像元的光谱解混。
6.根据权利要求5所述的装置,其特征在于,所述装置进一步包括:训练单元,用于:
利用非监督逐层训练方式对所述非负稀疏自编码器进行预训练;在预训练完成之后,使用反向传播算法调整所述非负稀疏自编码器的模型参数,以使所述非负稀疏自编码器收敛。
7.根据权利要求6所述的装置,其特征在于,所述多个隐藏层的数量与所述盲端元的数量相等。
8.根据权利要求7所述的装置,其特征在于,所述输出层的神经元数量与所述输入层的神经元数量相等。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-4中任一所述的方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京环境特性研究所,未经北京环境特性研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210002964.4/1.html,转载请声明来源钻瓜专利网。