[发明专利]基于邻域信息深度学习的高光谱图像分类方法

摘要

本发明公开了一种基于邻域信息深度学习的高光谱数据分类方法，包括如下步骤：对高光谱图像数据，随机划分训练集与测试集；以每一像素点n×n邻域内训练集样本的类归属与n×n邻域内所有样本的前l个主成分得分，作为每一样本的空间信息；将训练集每一样本的光谱信息与空间信息共同放入卷积神经网络，进行模型训练；将测试集每一样本的光谱信息与空间信息共同放入模型，进行分类结果预测。本发明将每一像素点在图片中n×n邻域的训练集类归属与邻域内所有样本的主成分分布作为空间信息，并采用二维卷积神经网络对此邻域图像进行进一步的空间特征提取，再与光谱维信息进行融合，可显著提升分类精度，在高光谱数据分类领域具有良好的应用前景。

主权项

一种基于邻域信息深度学习的高光谱数据分类方法，其特征在于，包括如下步骤：S1、对高光谱图像数据，随机划分训练集与测试集；S2、提取空间信息：以每一像素点n×n邻域内训练集样本的类归属与n×n邻域内所有样本的l维主成分得分，作为每一样本的空间信息，空间信息维度为n×n×(l+1)，记为S；S3、将训练集每一样本的光谱信息S’与空间信息S共同放入卷积神经网络，进行模型训练；S4、将测试集每一样本的光谱信息S’与空间信息S共同放入模型，进行分类结果预测。