您所在的位置: 成果库 一种基于生成对抗网络的高光谱影像树种分类方法、装置

一种基于生成对抗网络的高光谱影像树种分类方法、装置

发布时间: 2026-01-22

基本信息

合作方式: 技术转让
成果类型: 新技术
行业领域:
新能源及节能技术,生态环境建设与保护技术
成果介绍
鍀有车种分类及识别技术林业是遥感的一个重要方向。现有的无人机高光谱影像分类方法,所采用的方案主要分为两类:监督分类和非监督分类,前者需要大量的样本数据,后者提取出的光谱特征在应用于单日树种分类时,会遇到树冠密度过高、光谱特征近似等问题,本研究提出一种基于生成对抗网络的高光谱影像树种分类方法、装置,首先将高光谱影像进行影像分割后、进行图像重构;提取高光谱影像的纹理特征和光谱特征:将纹理特征和光谱特征输入基于结合注意力机制的生成对抗网得到带注意力的图像特征,送入判别器中得到最大化优化后判别器的输出特征;根据输入特征获得的得分值最小化来优化生成器的生成分布并将判别器的最后的输出特征送入分类器得到分类结果。该方法所需的数据预处理及人工采集的数目样本较少,适用于大部分地理区域和土地覆被类型,方法可行性、稳健性和预测结果准确度较高。
成果亮点
1、影像分割及图像重构: 首先采用多尺度影像分割方法,通过比较不同参数的分割结果,最终选出最优参数组合及最优分割结果,然后将分割后的高光谱影像输入预训练好的Vgg网络模型进行图像重构,得到优化后的高光谱影像。 掏号记、特征提取: 提取优化后的高光谱影像的纹理特征和光谱特征,前者通过灰度共生矩阵提取得到,包括均值、方差、同质性、对比度等,后者经过独立主成分分析得到,挑选光谱特征较多的前m(m=5)个波段的光谱特征作为提取得到的光谱特征。 3图像特征生成: 将纹理特征和光谱特征输入注意力网络模型,得到带有注意力的图像特征:将带有注意力的图像特征结合随机噪声z作为生成对抗网络中生成器的输入,通过生成网络生成得到未知类图像特征。 4、树种分类: 将带注意力的图像特征及未知类图像特征作为判别器的输入,得到最大化优化后判别器的输出特征。判断其是否满足迭代停止条件,如不满足将判别器的输出特征重新返回输入生成器来优化生成器的生成分布,直至满足迭代停止条件,得到最终的判别器输出的最大化优化后的带权重的图像特征。把带权重的图像特征作为分类器的输入,得到输出的高光谱影像树种分类结果。
团队介绍
联系人: 庄老师 单位名称:常州市武进区科技成果转移中心
成果资料