分类方法、分类装置及存储介质与流程

技术特征：
1.一种由计算机实现的用于基于高光谱图像估计物体分类的分类方法，其特征在于，包括：使用基于第一神经网络的点级分类器提取所述高光谱图像中的单个感兴趣类型物体的轮廓区内的多个点中的各点的点级分类特征；以及使用基于第二神经网络的块级分类器基于与所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数相关联的块级分类特征估计所述单个感兴趣类型物体的相对于感兴趣类型的下级分类；其中，所述点级分类器基于各点的高光谱值提取相应点的点级分类特征；所述点级分类器被配置成能够基于所述轮廓区内的单个点的高光谱信息估计所述单个点的关于下级分类集的分类；所述单个感兴趣类型物体的轮廓区是在所述高光谱图像中所述单个感兴趣类型物体的轮廓或所述单个感兴趣类型物体的轮廓的外接框指示的区域；所述聚类特征组集是通过对所述点级分类器从预定高光谱图像集提取的点级分类特征进行聚类来确定；并且所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数指示所述多个点的点级分类特征中落入相应聚类特征组的点级分类特征的计数。2.根据权利要求1所述的分类方法，其中，所述感兴趣类型包括树木，并且所述下级分类集包含多种树木类型。3.根据权利要求1所述的分类方法，其中，使用所述点级分类器提取所述点级分类特征包括：对所述轮廓区内的点的高光谱值进行归一化。4.根据权利要求1所述的分类方法，其中，使用所述点级分类器提取所述点级分类特征包括：对所述轮廓区内的点的高光谱值以预定概率进行随机空间增强；其中，所述随机空间增强包括以下操作：用相应点的邻近点的高光谱值及所述相应点的高光谱值的加权平均值更新所述相应点的高光谱值；其中，使用随机函数生成用于计算所述加权平均值的多个权重。5.根据权利要求1所述的分类方法，其中，所述第一神经网络包括多个全连接层。6.根据权利要求5所述的分类方法，其中，所述第一神经网络被配置成对所述多个全连接层中的部分全连接层的输出特征进行非线性激活。7.根据权利要求1所述的分类方法，其中，确定所述块级分类特征包括：确定由所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数构成的中间向量；以及对所述中间向量进行归一化作为所述块级分类特征。8.根据权利要求1所述的分类方法，其中，使用所述块级分类器估计所述单个感兴趣类型物体的相对于感兴趣类型的下级分类包括：更新所述聚类特征组集。9.一种用于基于高光谱图像估计物体分类的分类装置，其特征在于，包括：存储器，其上存储有指令；以及一个或更多个处理器，所述一个或更多个处理器能够与所述存储器通信以执行从所述存储器获取的所述指令，并且所述指令使所述一个或更多个处理器：使用基于第一神经网络的点级分类器提取高光谱图像中的单个感兴趣类型物体的轮
廓区内的多个点中的各点的点级分类特征；以及使用基于第二神经网络的块级分类器基于与所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数相关联的块级分类特征估计所述单个感兴趣类型物体的相对于感兴趣类型的下级分类；其中，所述点级分类器基于各点的高光谱值提取相应点的点级分类特征；所述点级分类器被配置成能够基于所述轮廓区内的单个点的高光谱信息估计所述单个点的关于下级分类集的分类；所述单个感兴趣类型物体的轮廓区是在所述高光谱图像中所述单个感兴趣类型物体的轮廓或所述单个感兴趣类型物体的轮廓的外接框指示的区域；所述聚类特征组集是通过对所述点级分类器从预定高光谱图像集提取的点级分类特征进行聚类来确定；并且所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数指示所述多个点的点级分类特征中落入相应聚类特征组的点级分类特征的计数。10.一种其上存储有程序的计算机可读存储介质，其特征在于，所述程序使计算机：使用基于第一神经网络的点级分类器提取高光谱图像中的单个感兴趣类型物体的轮廓区内的多个点中的各点的点级分类特征；以及使用基于第二神经网络的块级分类器基于与所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数相关联的块级分类特征估计所述单个感兴趣类型物体的相对于感兴趣类型的下级分类；其中，所述点级分类器基于各点的高光谱值提取相应点的点级分类特征；所述点级分类器被配置成能够基于所述轮廓区内的单个点的高光谱信息估计所述单个点的关于下级分类集的分类；所述单个感兴趣类型物体的轮廓区是在所述高光谱图像中所述单个感兴趣类型物体的轮廓或所述单个感兴趣类型物体的轮廓的外接框指示的区域；所述聚类特征组集是通过对所述点级分类器从预定高光谱图像集提取的点级分类特征进行聚类来确定；并且所述多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数指示所述多个点的点级分类特征中落入相应聚类特征组的点级分类特征的计数。

技术总结
本公开内容涉及用于基于高光谱图像估计物体分类的分类方法、分类装置以及存储介质。根据本公开内容的一个实施例，该分类方法包括：使用基于第一神经网络的点级分类器提取高光谱图像中的单个感兴趣类型物体的轮廓区内的多个点中的各点的点级分类特征；以及使用基于第二神经网络的块级分类器基于与多个点的点级分类特征关于聚类特征组集中的各聚类特征组的计数相关联的块级分类特征估计单个感兴趣类型物体的相对于感兴趣类型的下级分类。本公开内容的方法、装置和存储介质的有益效果至少包括：提高分类的准确度。提高分类的准确度。提高分类的准确度。


技术研发人员：王平 汪留安 孙俊
受保护的技术使用者：富士通株式会社
技术研发日：2020.08.27
技术公布日：2022/2/28