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: 2021116274321
申请人: 苏州大学
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:2026-11-16
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:

1.一种基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,所述方法包括如下步骤:S1.选取高光谱图像,所述高光谱图像的尺寸为X×Y×B,其中,X和Y是各个波长下高光谱图像的空间尺寸,B为高光谱图像的波长个数,空间特征提取模块和光谱特征提取模块中网络层个数m,解码器模块中网络层个数n,嵌入特征维数d,其中,d为大于0的偶数,S2.对高光谱图像中每一个高光谱像元配置邻域信息,即选取高光谱像元周围尺寸为s×s的邻域像元作为像元的邻域信息,邻域信息尺寸为s×s×B,其中,邻域信息指以高光谱像元为中心的正方形区域,边长为s,s为奇数,S3.构建深度网络模型,基于深度网络模型变换所述邻域信息以得到1×s2×B的第一样本,所述第一样本作为空间特征提取模块的输入Inputp,将尺寸为1×B高光谱像元的第二样本,所述第二样本作为光谱特征提取模块的输入Inputq,第一样本与第二样本个数相同且一一对应,S4.训练深度神经网络,从X×Y个尺寸为1×s2×B的第一样本和X×Y个尺寸为1×B的第二样本中分别随机选取小批量样本输入到深度神经网络中用于深度神经网络的训练,第一样本与第二样本的小批量像元个数均为bs,网络中激活函数均为Tanh激活函数,S5.特征拼接及计算均值特征μ,即空间特征提取模块中第层的输入为第层的输出光谱特征提取模块中第层的输入为第层和层输出的拼接,依据计算式:其中1

2.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,步骤S1中,还包括:对高光谱图像进行归一化预处理,设置邻域尺寸s。

3.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,还包括:将全部X×Y个高光谱像元归一化使取值范围在-1到1之间,归一化公式如下:其中,xmin表示像元数据中最小值,xmax为最大值。

4.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,Tanh激活函数计算公式为:

5.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,步骤S8中还包括:利用损失函数,选用步长为10-3的Adam优化器,对构建的网络模型进行优化,在模型达到平稳后,将池化后的均值特征作为输出,将第一样本及第二样本作为测试样本,得到预期的嵌入特征。

6.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,所述步骤S3中包括:

将尺寸为1×B的高光谱像元x进行变换,得到尺寸为的第二样本,所述第二样本作为光谱特征提取模块的输入Inputq,若B不是s2的整数倍,则移除ε个波长使得B-ε是s2的整数倍,其中,q用于指代光谱特征提取模块中的相关变量。

7.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,所述步骤S6中还包括:利用长短期记忆网络层L得到标准差特征δ,所述长短期记忆网络层L的输入为节点个数为d,δ的尺寸为bs×s2×d。

8.如权利要求1所述的基于多层次变分自动编码器的高光谱图像特征提取方法,其特征在于,步骤S7还包括:依据公式得到融合后的特征O,其中,γ为随机生成的噪声矩阵,其符合高斯分布,且尺寸为bs×d。