欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017109811250
申请人: 陕西师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种引导滤波长短记忆神经网络高光谱遥感图像的分类方法,其特征在于由下述步骤组成:(1)获取高光谱遥感图像的引导滤波图像从高光谱遥感图像库中取1幅高光谱遥感图像P,高光谱遥感图像P的向量为其中高光谱遥感图像P的谱分量 S为100~220、是高光谱遥感图像P的谱信息整数个数,i是第i个谱信息、为1~S的整数,N是高光谱遥感图像P的像素个数、为有限的正整数;

对高光谱遥感图像P进行主成分分析方法处理,得到图像[g1,g2,…,gs],取其中的第一

1 1

个分量g为高光谱遥感图像P的引导滤波图像g;

(2)对高光谱遥感图像P进行滤波处理

用高光谱遥感图像P的引导滤波图像g1,对高光谱遥感图像P进行滤波处理,得到滤波后的图像Q,滤波处理的步骤如下:1

1)对高光谱遥感图像P的第一个分量p进行滤波处理

找出第一个分量p1每个像素点 的k个邻近像素点组成集合set1={n1,n2,…,nk},取引导滤波图像g1对应位置的k个邻近像素点组成集合set1′={n′1,n′2,…,n′k},其中,nk为的邻近像素点,n′k为 在引导滤波图像g1对应的邻近像素点,k为9或25或49中的任意一个数;得集合set1和set1′的线性相关系数ak:其中,μp为set1集合的均值,μg为set1′集合的均值, 为set1′集合的方差;像素点 滤波后得到的线性变换值 为:其中,bk是偏移项为μp-ak×μg,得第一个分量p1的滤波后图像q1;

2)将高光谱遥感图像P的其他分量进行滤波,得滤波后的图像Q;

(3)对滤波后的图像Q进行归一化处理

取滤波后的图像Q的每个像素的谱信息 确定qi的最大值 和最小值 按(3)式

得到归一化后每个像素的谱信息qi的值,完成对滤波后的图像Q的归一化处理,得到归一化后的图像M;

(4)构建高光谱遥感图像P的长短记忆神经网络

1)设定长短记忆神经网络参数:输入节点个数Nin为5、隐层节点个数Nh为40、输出节点个数Nout为100、步长timestep为40、输入门参数Wi为45×40的矩阵、遗忘门参数Wf为45×40的矩阵、状态门参数Wc为45×40的矩阵、输出门参数Wo为45×100的矩阵;

2)引入激活函数

输入门、遗忘门、状态门、输出门的激活函数f(xi)为:式中xi为输入门、遗忘门、状态门、输出门的有限输出值,tanh(xi),为双曲正切函数;

3)构建高光谱遥感图像P的长短记忆神经网络

初始化步骤1)中的Wi、Wf、Wc、Wo,采用已知的softmax回归分类算法,构建成具有输入层、隐层、输出层循环40次的长短记忆神经网络;

(5)训练高光谱遥感图像P的长短记忆神经网络参数

1)抽取归一化后的图像M中每个类别的10%作为训练集,90%作为测试集;

2)优化长短记忆神经网络参数

将训练集输入到步骤(4)的长短记忆神经网络中训练该网络,迭代次数为50~1000次;

在网络损失函数Loss(T,Y)中加入正则项约束和类别权重系数,得到高光谱遥感图像长短记忆神经网络的损失函数(8)式,式中λ为正则项系数,其变化范围从1×10-6~1,间隔10倍调整λ的值,选择最高识别率时的λ值作为(8)式中的λ值,其中,n是训练集样本个数为有限正整数,C是高光谱遥感图像P的类别数为16,tic为测试集第i个样本的真实类标,当i样本属于第c类时,tic为1,其余为0,yic是测试集第i个样本的预测类标,定义方式与tic相同,W为长短记忆神经网络的所有网络参数输入门参数Wi、遗忘门参数Wf、状态门参数Wc、输出门参数Wo的总和;类别权重系数weightc的计算公式为:其中,nc为训练集中第c类的样本个数,nmax为训练集中样本数量最多的类的样本个数,θ是0.01~0.5之间的任意一个数,每次间隔0.01进行学习,选择识别率最高时所对应的θ值;

得到训练好的长短记忆神经网络;

(6)对测试集进行分类

将测试集输入到步骤(5)训练好的长短记忆神经网络中,得到测试样本的分类结果。

2.根据权利要求1所述的引导滤波长短记忆神经网络高光谱遥感图像的分类方法,其特征在于:在训练高光谱遥感图像P的长短记忆神经网络参数步骤(5)的优化长短记忆神经网络参数步骤2)中,将训练集输入到步骤(4)的长短记忆神经网络中训练该网络,迭代次数为50~1000次;

在网络损失函数Loss(T,Y)中加入正则项约束和类别权重系数,得到高光谱遥感图像长短记忆神经网络的损失函数(8)式,式中λ为正则项系数,其值为1×10-2,作为(8)式中的λ值,其中,n是训练集样本个数为有限正整数,C是高光谱遥感图像P的类别数为16,tic为测试集第i个样本的真实类标,当i样本属于第c类时,tic为1,其余为0,yic是测试集第i个样本的预测类标,定义方式与tic相同,W为长短记忆神经网络的所有网络参数输入门参数Wi、遗忘门参数Wf、状态门参数Wc、输出门参数Wo;的总和;类别权重系数weightc的计算公式为:其中,nc为训练集中第c类的样本个数,nmax为训练集中样本数量最多的类的样本个数,θ的值为0.1;

得到训练好的长短记忆神经网络。