公开(公告)号：CN116543203A

公开(公告)日：2023-08-04

申请号：CN202310451982.5

申请日：2023-04-24

Applicant: 哈尔滨工程大学

Inventor： 崔颖 ,  高山 ,  李文山 ,  罗丽 ,  陈晓力

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/58 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种基于上下文注意特征的高光谱图像分类方法及系统，其中，该方法包括：获取原始高光谱数据构建数据集，并将其划分为训练集、验证集和测试集；构建双重注意力机制的特征融合网络模型；利用训练集对该模型进行训练；利用验证集在训练过程中对双重注意力机制的特征融合网络模型进行交叉验证，得到验证结果；筛选验证结果中最佳分类效果的双重注意力机制的特征融合网络模型作为目标分类模型，并通过目标分类模型对预设高光谱图像进行分类。该方法能提高少量训练样本下的分类精度，对初始标注样本的需求量不大，可节省人工标注类别信息所带来的时间成本，且鲁棒性也可得到保证，通过少量样本即可获得稳定的训练出效果可观的分类模型。

公开(公告)号：CN115830390A

公开(公告)日：2023-03-21

申请号：CN202211632994.X

申请日：2022-12-19

Applicant: 哈尔滨工程大学

Inventor： 崔颖 ,  高山 ,  邵超 ,  罗丽 ,  陈晓力

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/04 ,  G06N3/08 ,  G06V10/82

Abstract: 本申请公开了一种高光谱图像分类方法及装置，属于图像处理分类技术领域，将适用于小样本情况的图神经网络技术和适用于样本充足情况的卷积神经网络技术相结合，提出一种基于图神经网络辅助的中心加权卷积网络模型，对该模型进行训练与交叉验证，可以在其对卷积神经网络提取的局部空谱信息和图神经网络提取的远程上下文信息进行有效融合的基础上，实现有限样本下高光谱图像的精细分类。相比于其他现有技术能够明显提高少量训练样本下的分类精度，对初始标注样本的需求量不大，可以大大节省人工标注类别信息所带来的时间成本，且鲁棒性也能够得到保证，通过少量样本即可获得稳定的训练出效果可观的分类模型。适用于小样本情况的高光谱图像分类。