一种基于深度学习与高光谱结合的伪装材料识别的方法

本发明涉及伪装材料识别技术领域，具体涉及一种基于深度学习与高光谱结合的伪装材料识别的方法，利用高光谱成像系统采集高光谱数据，采集到的高光谱数据经过基础预处理，经过预处理的高光谱数据通过分段PCA算法进行降维处理，采用深度学习与机器学习相结合的方法构建光谱图像化卷积神经网络模型，通过多层非线性处理实现对迷彩伪装材料的精确分类，将提取的特征波段数据输入到SICN模型中，进行模型训练，对模型进行性能评估，将待识别的迷彩伪装材料的高光谱数据输入到模型中，模型输出概率分布，对迷彩伪装材料进行分类和识别，通过结合深度学习与高光谱技术，能够自动学习伪装材料的光谱特征，实现快速准确的识别。