详情

原文传递一种基于光谱吸收指数的多层感知机高光谱矿物分类方法

专利名称：	一种基于光谱吸收指数的多层感知机高光谱矿物分类方法
摘要：	一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，包含以下步骤：(1)读入高光谱数据；(2)确定矿物种类及数目，并选择训练样本和测试样本；(3)根据矿物特征波段确定光谱吸收指数向量；(4)建立基于多层感知机的深度网络模型；(5)训练模型参数并且构建防止过拟合策略；(6)对高光谱图像进行分类，得到矿物分类图。该方法以多层感知机模型作为模型基础，以矿物光谱吸收指数向量作为输入，实现基于高光谱数据的矿物分类。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	北京航空航天大学
发明人：	赵慧洁;邓可望;李娜
专利状态：	有效
申请日期：	2019-04-29T00:00:00+0800
发布日期：	2019-07-19T00:00:00+0800
申请号：	CN201910355329.2
公开号：	CN110031414A
分类号：	G01N21/31(2006.01);G;G01;G01N;G01N21
申请人地址：	100191 北京市海淀区学院路37号
主权项：	1.一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，它包含以下步骤： (1)读入高光谱数据； (2)确定矿物种类及数目，并选择训练样本和测试样本； (3)根据矿物特征波段确定光谱吸收指数向量； (4)建立基于多层感知机的深度网络模型； (5)训练模型参数并且构建防止过拟合策略； (6)对高光谱图像进行分类，得到矿物分类图。 2.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(1)读入高光谱数据：读入待处理的高光谱数据。 3.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(2)确定矿物种类及数目，并选择训练样本和测试样本：根据地面调查或者地质图件等确定待分类的矿物种类及数目，并且选取训练样本和测试样本。 4.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(3)根据矿物特征波段确定光谱吸收指数向量：根据步骤(2)地面调查或地质图件等得到的矿物种类进行分析并确定矿物的特征吸收波段，对特征吸收波段按波长排序，分别计算不同波段的光谱吸收指数，将按波长排序后的光谱吸收指数构建成光谱吸收指数向量，光谱吸收指数向量构成如下，其中，λS1，λS2，λM分别为吸收谷左肩点、右肩点、吸收谷位置波长，ρS1，ρS2，ρM分别为吸收谷左肩点、右肩点、吸收谷位置反射率，λ1,λ2,...,λn-1,λn为排序后的波段，d为对称性参量，SAI为光谱吸收指数，L为光谱吸收指数向量。 5.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(4)建立基于多层感知机的高光谱数据分类模型：模型主要包括三层网络，分别是输入层、全连接层和输出层，其中输入层为本模型以步骤(3)得到的光谱吸收指数向量L，全连接层为一层包含多个隐藏单元的隐藏层，该层以RELU函数为激活函数，输出层采用softmax函数进行分类，其中，ωij为输入层与全连接层之间的权重，bij为输入层与全连接层之间的偏置，为光谱吸收指数向量各个分量，yj为各隐藏单元激活之前值，Relu(yj)为激活函数，xi为输出层经softmax函数前输出，ω′ij为全连接层与输出层之间的权重，b′ij为全连接层与输出层之间的偏置，P为隐藏层隐藏单元个数，softmax为分类函数。 6.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(5)训练模型参数并且构建防止过拟合策略：将训练样本输入模型，对多层感知机模型中全连接层权重参数ω和偏置参数b进行微调，并且在损失函数中引入正则项，以防止过拟合，此处引入了二次正则项对权重参数ω进行约束，使得ω中更多项趋向于0，对特征进行降维，防止陷入局部最优解，以防止过拟合，二次正则项表示如下，其中L2表示二次正则项，ωij代表模型输入层与全连接层之间的权重参数，P为隐藏层隐藏单元个数，N为光谱吸收指数向量分量个数。 7.根据权利要求1所述的一种基于光谱吸收指数的多层感知机高光谱矿物分类方法，其中步骤(6)获得矿物分类结果：利用训练好的模型对步骤(1)的输入数据进行分类，获得矿物分类结果。
所属类别：	发明专利