买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学

摘要：本发明公开了一种面向临地安防场景的小波引导网络地物分类方法，提出了小波动态卷积，将高频纹理信息动态聚合到卷积核中，以提高局部特征的感知；为了捕获长距依赖关系，构建多头小波空谱空间自注意力模块，引入小波变化和光谱特征，减少下采样平均池化下采样带来的信息损失，同时提高空间纹理和光谱信息的感知能力。在此基础上，设计了小波引导混合网络，从高光谱遥感图像中提取局部特征和全局特征。在三个公开数据集上的结果表明，该方法优于其他具有代表性的高光谱遥感地物分类方法。

主权项：1.一种面向临地安防场景的小波引导网络地物分类方法，其特征在于，包括如下步骤：步骤1：对高光谱遥感图像光谱降维后进行图像块采样作为模型的输入；步骤2：构建小波动态卷积操作WDConv；步骤3：基于WDConv构建小波动态卷积空谱联合特征提取模块；所述小波动态卷积空谱联合特征模块中包含3个WDConv-Resblock残差连接块；所述WDConv-Resblock残差连接块为基于WDConv的残差链接块；在每个WDConv-Resblock残差连接块后面嵌入空间注意力和光谱注意力；步骤4：构建多头小波空谱空间自注意力模块MHWS2A；步骤5：基于MHWS2A构建小波空谱联合Transformer模块；所述小波空谱联合Transformer模块，包括特征收缩模块、扩展模块和MHWS2A模块；所述特征收缩模块包括一个3×3的卷积层和BatchNormalizzation层，用于收缩特征图的通道维数；随后，特征被送入MHWS2A模块中提取长距依赖性；输出的特征通过特征扩展模块，对特征图的通道维进行扩展；步骤6：构建小波引导混合网络WHNet；经过PCA降维和邻域采样后的图像块首先经过一个3×3的卷积层进行特征的初步提取，随后经过小波动态卷积空谱联合特征提取模块进行局部特征的提取，之后送入小波空谱联合Transformer模块捕获全局特征，最后得到用于分类的空谱联合特征Fspe-spa；步骤7：将捕获的空谱联合特征Fspe-spa输入到Softmax分类器中，预测待分类像素的类别；WHNet的损失函数由交叉熵函数和中心损失函数组成，用于训练网络的权重，得到预测的地物类别。

全文数据：

权利要求：

百度查询： 西北工业大学 一种面向临地安防场景的小波引导网络地物分类方法