一种无人机高光谱水下目标识别算法

摘要：

水下目标识别在海洋探索过程中扮演着非常重要的角色,高光谱图像(hyperspectral image,HSI)通过叠加数百个连续的波段提供了丰富的光谱空间信息,如何在丰富的高光谱水下信息中准确提取目标信息成为一项挑战.通常通过使用具有固定大小感受野(receptive field,RF)的卷积神经网络(convolutional neural network,CNN)来解决,然而,当使用前向传播和后向传播来优化网络时,这些解决方案无法使神经元有效调整感受野大小并且具有跨通道依赖性.文章提出了一种基于空-谱残差网络的无人机高光谱水下目标分类识别算法,该网络具有频谱注意力,实现自适应感受野,能够以端到端的训练方式捕捉用于人机交互分类的辨别性频谱空间特征.首先,采用SG(Savitzky-Golay)平滑处理,消除噪声所引起的光谱曲线高频抖动,保留光谱曲线有效峰谷形貌,提升后续高光谱处理精度.之后,对降噪后的光谱图像采用主成分分析法(principal components analysis,PCA)进行数据降维,提取有效数据.最后,采用空谱transformer网络(spectral-spatial transformer,SST)进行像素分类,确定水下目标所在的像素位置.使用高光谱无人机采集水下目标数据,分别在0.1 m、2 m、3 m和5 m的 目标深度采集了无人机高光谱数据.实验结果表明,所提出的算法能够准确地识别水下目标.

关键词：水下目标识别、高光谱图像、无人机遥感、transformer

所属期刊栏目：39

分类号：TP751.1(遥感技术)

资助基金：国科大杭州高等研究院自主立项项目2022ZZ01008

在线出版日期：2024-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：128-135