-
公开(公告)号：CN110717354B
公开(公告)日：2023-05-12
申请号：CN201810757826.0
申请日：2018-07-11
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/30 , G06V10/26 , G06V10/774 , G06V10/772
Abstract: 本发明公开了一种基于半监督K‑SVD与多尺度稀疏表示的超像元分类方法，首先，对高光谱图像的训练样本进行半监督K‑SVD字典学习，得到过完备字典；其次，将所述训练样本和所述过完备字典作为输入，进行超像元多尺度稀疏求解，得到训练样本的稀疏表示系数矩阵；最后，以求得的所述稀疏表示系数矩阵和所述过完备字典通过残差法和超像元投票机制得到超像元分类结果。本发明具有良好的去除椒盐噪声，丰富训练样本的能力。可以在各种样本数量条件下达到十分稳定的分类结果。本发明的提出对于解决高光谱图像分类领域的椒盐噪声问题，高维度小样本问题以及基于稀疏表示的分类算法如何有效利用空间信息上都有着十分重要的意义。
-
Patent Agency Ranking
公开(公告)号：CN108447065B
公开(公告)日：2021-07-30
申请号：CN201810201837.0
申请日：2018-03-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于主成分加权假彩色合成和颜色直方图驱动的高光谱超像元分割方法，它属于高光谱图像分割技术领域。本发明解决了由于高光谱图像数据维数高、数据冗余多导致的对图像实时分割困难的问题。本发明将高光谱图像的主要光谱信息放入假彩色图像中，对高光谱数据进行降维；将主成分加权假彩色合成图像分割成网格区域后，采用像元级和块级两个尺度对分割后的主成分加权假彩色合成图像的每一个超像元的边界进行遍历迭代，每次完整的迭代后均获得新的图像分割方案，采用直方图驱动函数对每次完整的迭代后得到的新分割方案进行评估，最终获得最佳的图像分割方案，实现对高光谱图像的超像元分割。本发明可以应用于高光谱图像的分割领域用。
-
公开(公告)号：CN108447065A
公开(公告)日：2018-08-24
申请号：CN201810201837.0
申请日：2018-03-12
Applicant: 哈尔滨工业大学
Abstract: 一种基于主成分加权假彩色合成和颜色直方图驱动的高光谱超像元分割方法，它属于高光谱图像分割技术领域。本发明解决了由于高光谱图像数据维数高、数据冗余多导致的对图像实时分割困难的问题。本发明将高光谱图像的主要光谱信息放入假彩色图像中，对高光谱数据进行降维；将主成分加权假彩色合成图像分割成网格区域后，采用像元级和块级两个尺度对分割后的主成分加权假彩色合成图像的每一个超像元的边界进行遍历迭代，每次完整的迭代后均获得新的图像分割方案，采用直方图驱动函数对每次完整的迭代后得到的新分割方案进行评估，最终获得最佳的图像分割方案，实现对高光谱图像的超像元分割。本发明可以应用于高光谱图像的分割领域用。
-
公开(公告)号：CN110717354A
公开(公告)日：2020-01-21
申请号：CN201810757826.0
申请日：2018-07-11
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于半监督K-SVD与多尺度稀疏表示的超像元分类方法，首先，对高光谱图像的训练样本进行半监督K-SVD字典学习，得到过完备字典；其次，将所述训练样本和所述过完备字典作为输入，进行超像元多尺度稀疏求解，得到训练样本的稀疏表示系数矩阵；最后，以求得的所述稀疏表示系数矩阵和所述过完备字典通过残差法和超像元投票机制得到超像元分类结果。本发明具有良好的去除椒盐噪声，丰富训练样本的能力。可以在各种样本数量条件下达到十分稳定的分类结果。本发明的提出对于解决高光谱图像分类领域的椒盐噪声问题，高维度小样本问题以及基于稀疏表示的分类算法如何有效利用空间信息上都有着十分重要的意义。
-
公开(公告)号：CN107734058A
公开(公告)日：2018-02-23
申请号：CN201711100222.0
申请日：2017-11-09
Applicant: 哈尔滨工业大学
IPC: H04L29/08
Abstract: 本发明涉及一种融合WebService和FTP的分布式试验数据传输方法，是为了解决现有大容量数据上传、下载效率极低，安全性差，而单独使用Ftp传输又不适用于消息的交互的缺点而提出的。在实现大文件上传过程中，由服务器先启动FTP服务于和Web service服务，当客户端有上传需求时，首先前往Web service的WSDL文档连接地址下载WSDL文档，而后对其进行解析，生成本地代理，而后建立FTP控制连接，登录服务器，并进行相关设置，而后进行数据连接。当数据连接组件完成之后，即可将数据文件发送给服务器端，完成上传操作之后，再调用Web service服务告知服务器上传数据完成并让服务器对上传文件进行相应处理。本发明适用于分布式试验数据采集管理系统。
-
公开(公告)号：CN107657285A
公开(公告)日：2018-02-02
申请号：CN201710952839.9
申请日：2017-10-13
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6268 , G06K9/6256 , G06N3/0454
Abstract: 基于三维卷积神经网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有二维卷积神经网络粗糙的将三维信号重新编排为二维信号，不但无法充分利用高光谱图像中的空间信息，还会破坏原有三维高光谱图像中的空间信息和光谱信息的问题。过程为：一、将高光谱图像数据集导入MATLAB平台，得到处理好的数据集；二、将新的高光谱图像作为训练集；三、根据三维矩阵形式的训练集搭建三维卷积神经网络；四、使用三维矩阵形式的训练集训练三维卷积神经网络，得到训练好的三维卷积神经网络；五、使用三维矩阵形式的测试集输入训练好的三维卷积神经网络，得到测试集分类结果。本发明用于图像分类领域。
-
-
-
-
-
Search Results
6
records
(took 0.019 seconds)
