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: 2023108165406
申请人: 安徽大学
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:

1.一种基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,包括:获取具有地物类别标签信息的高光谱图像;

根据地物类别标签信息将高光谱图像划分为多个图像块;

根据多个图像块,构造训练集和测试集;

构建基于长短距离交叉注意力的高光谱分类网络;

利用训练集对高光谱分类网络进行训练,得到训练好的高光谱分类网络;

利用训练好的高光谱分类网络对测试集进行分类结果预测;

其中,高光谱分类网络包括依次连接的浅层特征提取模块、空间特征强化模块和长短距离光谱交叉注意力模块;浅层特征提取模块用于对输入的原特征图进行浅层特征提取,得到浅层特征图;空间特征强化模块用于对浅层特征图进行空间特征强化,得到第二强化特征图;

长短距离光谱交叉注意力模块包括短距离光谱注意力模块和长距离光谱注意力模块;短距离光谱注意力模块包括第一光谱带分组子模块和第一自注意力子模块;光谱带分组子模块用于对第二强化特征图进行光谱带分组,得到多个短距离光谱带组;第一自注意力子模块用于对每个短距离光谱带组使用自注意力,得到短距离光谱特征图;长距离光谱注意力模块包括:第二光谱带分组子模块和第二自注意力子模块;第二光谱带分组子模块用于对短距离光谱特征图进行等间隔采样,得到多个长距离光谱带组;第二自注意力子模块用于对每个长距离光谱带组使用自注意力,得到长距离光谱特征图。

2.根据权利要求1所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,浅层特征提取模块包括第一三维卷积层、第一BN批量归一化层、第一RELU激活层、第二二维卷积层、第二BN批量归一化层、第二RELU激活层;

其中,第一三维卷积层的输入为训练集,第一三维卷积层的输出连接第一BN批量归一化层的输入,第一BN批量归一化层的输出连接第一RELU激活层的输入;第一RELU激活层的输出作为第二二维卷积层的输入,第二二维卷积层的输出连接第二BN批量归一化层的输入,第二BN批量归一化层的输出连接第二RELU激活层的输入。

3.根据权利要求1所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,空间特征强化模块中预设有位置权重矩阵,空间特征强化模块用于将位置权重矩阵与浅层特征图进行加权得到第一强化特征图,并将第一强化特征图与浅层特征图进行逐像素相加得到第二强化特征图。

4.根据权利要求1所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,第一自注意力子模块包括第一LN层归一化层、第一自注意力层、第二LN层归一化层和第一多层感知机MLP层;

其中,第一LN层归一化层的输入为短距离光谱带组,第一LN层归一化层的输出与短距离光谱带组的位置嵌入同时连接到第一自注意力层的输入,第一自注意力层的输出连接到第二LN层归一化层的输入,第二LN层归一化层的输出连接到第一多层感知机MLP层。

5.根据权利要求1所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,第二自注意力子模块包括第三LN层归一化层、第二自注意力层、第四LN层归一化层和第二多层感知机MLP层;

其中,第三LN层归一化层的输入为长距离光谱带组,第三LN层归一化层的输出与长距离光谱带组的位置嵌入同时连接到第二自注意力层的输入,第二自注意力层的输出连接到第四LN层归一化层的输入,第四LN层归一化层的输出连接到第二多层感知机MLP层。

6.根据权利要求1-5任意一项所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,根据多个图像块,构造训练集和测试集,具体包括:基于多个图像块,建立数据集;

对数据集进行处理,得到信息不泄露的数据集;

根据信息不泄露的数据集,构造训练集和测试集。

7.根据权利要求6所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,对数据集进行处理,得到信息不泄露的数据集,具体包括:随机选择像素点并将该像素点作为所在的图像块的中心像素;

若由所选择的中心像素划分的图像块出现信息泄露,则剔除掉该出现信息泄露的中心像素;

继续随机选择像素点,直到每个地物类别的中心像素数量达到预设数量;

其中,各个地物类别的中心像素的预设数量为

式中,Sj表示第j个地物类别中排除信息泄露后的中心像素的预设数量,j=1、2、……或k,k表示地物类别数量;W、H分别表示图像块的宽度和高度;mj表示第j个地物类别中除去背景像素的像素数量;t表示图像块的大小。

8.根据权利要求6所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,根据信息不泄露的数据集,构造训练集和测试集,具体包括:从每个地物类别中分别随机选取一定数量的中心像素所在的图像块作为训练集,将每个地物类别中剩余的中心像素所在的图像块均作为测试集。

9.根据权利要求8所述的基于长短距离交叉注意力的高光谱图像分类方法,其特征在于,在根据信息不泄露的数据集,构造训练集和测试集之后,还包括:分别对训练集和测试集进行数据增强。