[发明专利]高光谱图像特征提取、分类模型构建及分类方法

摘要

本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。

主权项

1.一种高光谱图像特征提取方法，其特征在于，按照以下步骤执行：步骤1、采用步骤1.1‑1.4获得待提取特征的高光谱图像的空间特征：步骤1.1、对待提取特征的高光谱图像进行超像素分割，获得多个超像素高光谱图像片；步骤1.2、对所述的每个超像素高光谱图像片进行降维，获得多个降维后的高光谱图像片；步骤1.3、将所有的降维后的高光谱图像片进行拼接，获得降维后的高光谱图像；步骤1.4、将所述的降维后的高光谱图像输入至密集卷积神经网络中，获得高光谱图像空间特征；所述的密集卷积神经网络包括多层卷积层，每层卷积层包括多个卷积核，所述的多个卷积核为在所述的每个降维后的高光谱图像片中随机选取的图像块，每个图像块的尺寸相同；步骤2、提取待提取特征的高光谱图像的光谱特征，获得高光谱图像光谱特征；步骤3、将所述的高光谱图像空间特征以及高光谱图像光谱特征进行堆叠，获得高光谱图像特征。