科创中国
一种融合栈式自编码网络与CNN的高光谱影像分类方法
发布时间: 2024-08-01
基本信息
合作方式：
技术转让
成果类型：
发明专利
行业领域：
电子信息技术
成果介绍
本发明公开了一种基于融合栈式自编码网络与CNN的高光谱遥感影像分类方法,步骤有:(1)对高光谱遥感影像进行高斯预滤波;(2)对栈式自编码网络进行逐层贪婪式预训练,完成编码网络的初始化;(3)将编码网络与CNN网络连接,并进行分类训练,实现整体网络的微调(Fine Tuing),对编码器网络和CNN网络进行同时调优,优化网络的整体效果,提高分类精度。本发明融合了自编码网络与CNN网络的优点,改变了传统的“先降维,后分类”的两步独立过程,将数据降维过程与数据分类的过程进行合并,简化了高光谱遥感影像分类的工作流程,在高光谱遥感影像分类的过程中取得了较优的精度,为高光谱遥感影像分类工作提供了一种新思路。
成果亮点
本发明针对高光谱遥感影像分类方法，发明了一种融合栈式自编码与CNN的高光
谱遥感影像分类算法。具体是结合栈式自编码网络(Stacked‑Autoencoder ,SAE)，首先对自
编码网络进行简单的预训练，使得栈式自编码网络能够较好地表征高光谱遥感影像单个像
素点上地高维数据特征，避免在直接使用高维原始数据过程中出现“ Hughes现象”，随后将
栈式自编码网络中地编码网络与设计的多分支CNN网络进行连接并训练，在训练过程中通
过微调(fine‑tuning)来优化网络参数，提高网络分类精度。
团队介绍
西北农林科技大学地处中华农耕文明发祥地、国家级农业高新技术产业示范区——陕西杨凌，是教育部直属、国家“985工程”和“211工程”重点建设高校，首批入选国家“世界一流大学和一流学科”建设高校，2022年入选国家第二轮“双一流”建设高校，2个学科入选“双一流”建设学科。
成果资料
产业化落地方案
成果综合评价报告
评价单位：- (-) 评价时间：2025-03-13
徐超
西北农林科技大学
教授
综合评价
该技术创新性很强，且技术成熟，投资回报比较可靠。
总体而言，该项技术思路方向很好，未来市场空间较大，有利于当前政策要求，转化成熟度高，值得支持推广。建议强化相应产品开发，加大产业链开发力度。
查看更多>
下载app