[发明专利]基于三维卷积神经网络的高光谱图像分类方法

摘要

基于三维卷积神经网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有二维卷积神经网络粗糙的将三维信号重新编排为二维信号，不但无法充分利用高光谱图像中的空间信息，还会破坏原有三维高光谱图像中的空间信息和光谱信息的问题。过程为一、将高光谱图像数据集导入MATLAB平台，得到处理好的数据集；二、将新的高光谱图像作为训练集；三、根据三维矩阵形式的训练集搭建三维卷积神经网络；四、使用三维矩阵形式的训练集训练三维卷积神经网络，得到训练好的三维卷积神经网络；五、使用三维矩阵形式的测试集输入训练好的三维卷积神经网络，得到测试集分类结果。本发明用于图像分类领域。

主权项

基于三维卷积神经网络的高光谱图像分类方法，其特征在于：所述方法具体过程为：步骤一、将高光谱图像数据集导入MATLAB平台，对导入MATLAB平台的高光谱图像数据集中的三维数据信息进行逐层归一化处理，得到处理好的数据集；从处理好的数据集中选取所有类标签的等量数据并记录空间坐标；将处理好的数据集作为测试集；所述高光谱图像数据集中的三维数据信息包括光谱信息和空间信息；所述高光谱图像数据集为三维矩阵形式；步骤二、将选取的所有类标签的等量数据的空间坐标作为中心进行n×n范围的抽取，将抽取出来的同类标签的数据拼成新的高光谱图像，将新的高光谱图像作为训练集；所述训练集为三维矩阵形式；n取值为3或5；步骤三、根据三维矩阵形式的训练集搭建三维卷积神经网络；步骤四、使用三维矩阵形式的训练集训练三维卷积神经网络，得到训练好的三维卷积神经网络；步骤五、使用三维矩阵形式的测试集输入训练好的三维卷积神经网络，得到测试集分类结果。