高光谱图像特征提取、分类模型构建及分类方法

摘要

本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。