[发明专利]一种基于双损失函数的高光谱图像开放性分类方法

权利要求书

1.一种基于双损失函数的高光谱图像开放性分类方法，其特征在于，包括以下步骤：

步骤1、对已知三维高光谱图像X和待测试三维高光谱图像S的每个像素分别取邻域块；

步骤2、构造特征提取网络，利用三维高光谱图像X的邻域块数据及其相应的类别标签对特征提取网络进行训练；

步骤3、获取相应类别数据的特征向量；

步骤4、构造双损失函数分类网络，并利用步骤3获取的特征向量训练双损失函数分类网络；

4.1、构造双损失函数分类网络

所述双损失函数分类网络包括依次设置的至少1个卷积层、全连接层输出层和softmax输出层；

所述卷积层包括依次设置的二维卷积层、归一化层和relu激活层；

4.2、训练双损失函数分类网络

利用训练集对双损失函数分类网络进行训练，损失函数L由特征损失L₁和交叉熵损失L₂加权得到；

定义三维高光谱图像X的数据类别数为C，每个输入的训练数据x∈Tr，其有对应的特征向量f_i和类别标签y_i，其中1≤i≤C，特征损失L₁为：

L₁＝(f-f_i)²

其中，f为全连接层输出层输出的特征向量；

交叉熵损失L₂为：

L₂＝ylog(y_i)

其中，y为softmax输出层对应类别标签y_i的输出概率；

总的损失函数L为：

L＝L₁+bL₂

其中，b为双损失系数，b＞0；

步骤5、利用已训练好的双损失函数分类网络及预设的阈值Q对待测试三维高光谱图像S的邻域块数据进行开放性分类。

2.根据权利要求1所述的基于双损失函数的高光谱图像开放性分类方法，其特征在于：步骤1具体为：

将三维高光谱图像X和待测试三维高光谱图像S分别向四周扩展a个像素，并对扩展处进行复制填充，再以原始三维高光谱图像X和待测试三维高光谱图像S中的每个像素点为中心，选取空间大小为A×A的邻域块，邻域块的类别与中心像素点的类别相对应；

其中，a≥1，且为整数；A＝2a+1。

3.根据权利要求2所述的基于双损失函数的高光谱图像开放性分类方法，其特征在于，步骤2具体为：

2.1、构建特征提取网络

所述特征提取网络包括依次设置的至少1个卷积层、全连接层和softmax输出层；

所述卷积层包括依次设置的二维卷积层、归一化层和relu激活层；

2.2、训练特征提取网络

将已知三维高光谱图像X的邻域块数据进行随机划分，分为训练集Tr和验证集Te，利用训练集数据和其对应的类别标签对特征提取网络进行训练。

4.根据权利要求3所述的基于双损失函数的高光谱图像开放性分类方法，其特征在于，步骤3具体为：

3.1、将训练好的特征提取网络中的softmax输出层移除，以全连接层作为输出层，把训练集Tr中的每个数据输入到特征提取网络中，通过全连接层输出一个特征向量；

3.2、把所有特征向量根据类别进行平均，得到每个类别对应的特征向量。

5.根据权利要求1-4任一所述的基于双损失函数的高光谱图像开放性分类方法，其特征在于，步骤5具体为：

将待测试三维高光谱图像S的邻域块数据输入到双损失函数分类网络中，通过softmax输出层得到C个输出{y₁,…y_i,…y_c}，令i＝argmax(y₁,…y_i,…,y_c)，再根据下式进行判断，得到类别i：

其中，Q为预设的阈值；

以此得到待测试三维高光谱图像S的分类结果。