-
公开(公告)号：CN108009559B
公开(公告)日：2021-12-24
申请号：CN201610942406.0
申请日：2016-11-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于空谱联合信息的高光谱数据分类方法，本发明提出用卷积神经网络和超像素划分方法，解决了当前高光谱图像对空间信息的利用问题。本发明的步骤为：一、建立卷积神经网络模型并进行特征提取，得到提取的特征向量。二、利用M‑SLIC算法对高光谱图像进行超像素划分，得到超像素划分后的标签图。三、对高光谱特征图像进行聚类并结合BoVW模型产生新特征向量，完成分类过程。本发明利用卷积神经网络，通过多层卷积层和下采样层提取高维的非线性特征，通过加入空间信息降低拍摄条件差异对光谱信息的影响，然后通过特征光谱图进行聚类，将经过卷积神经网络一次特征提取的特征光谱替换为运用BoVW模型得到的二次特征，进一步降低分类的误差，有较强的理论和工程实际意义。
-
公开(公告)号：CN108009559A
公开(公告)日：2018-05-08
申请号：CN201610942406.0
申请日：2016-11-02
Applicant: 哈尔滨工业大学
Abstract: 一种基于空谱联合信息的高光谱数据分类方法，本发明提出用卷积神经网络和超像素划分方法，解决了当前高光谱图像对空间信息的利用问题。本发明的步骤为：一、建立卷积神经网络模型并进行特征提取，得到提取的特征向量。二、利用M-SLIC算法对高光谱图像进行超像素划分，得到超像素划分后的标签图。三、对高光谱特征图像进行聚类并结合BoVW模型产生新特征向量，完成分类过程。本发明利用卷积神经网络，通过多层卷积层和下采样层提取高维的非线性特征，通过加入空间信息降低拍摄条件差异对光谱信息的影响，然后通过特征光谱图进行聚类，将经过卷积神经网络一次特征提取的特征光谱替换为运用BoVW模型得到的二次特征，进一步降低分类的误差，有较强的理论和工程实际意义。
-
Search Results
2
records
(took 0.024 seconds)
