-
公开(公告)号：CN110570395B
公开(公告)日：2022-04-29
申请号：CN201910719986.0
申请日：2019-08-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空谱联合协同表示的高光谱异常检测方法，对原始高光谱图像进行降维与异常信息提取，获得异常成分最多的降维成分；将预处理后的高光谱图像中像元的灰度值与阈值进行比较确定异常点位置；根据所述异常点位置对原始高光谱图像中同样位置的像元做剔除处理；将原始高光谱图像中剔除异常点之后剩余的像元点向量的均值填充异常点位置的像元，构建一幅近似全部于由背景像元构成的高光谱图像；对所述原始高光谱图像和构建的背景像元高光谱图像进行光谱维度的协同表示获得检测结果。本发明充分利用高光谱图像的空间和光谱信息，将空间维度的检测结果作为后验信息，辅助光谱维度的协同表示异常检测，具有优良的检测性能。
-
公开(公告)号：CN113902658B
公开(公告)日：2023-02-10
申请号：CN202111020790.6
申请日：2021-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于密集多尺度网络的RGB图像到高光谱图像重建方法，构建的改进的残差网络模型；输入图像经过1×1卷积层进行特征提取，获得特征图；在所述残差网络模型的特征映射部分，采用转换层和主网络两条支路分别对特征图进行处理；其中，转换层是在快捷连接的基础上，添加两组3×3卷积直接对特征图进行特征提取，获得第一输出特征图；所述主网络在最后一个残差块后面添加跨通道融合感受野模块，对特征图进行特征提取，获得第二输出特征图；将第一输出特征图和第二输出特征图相加，获得重建后的高光谱图像。本发明实现了RGB图像到高光谱图像的重建，重建效果优于传统算法，能够有效扩大网络的感受野，从而取得良好的重建效果。
-
公开(公告)号：CN113902658A
公开(公告)日：2022-01-07
申请号：CN202111020790.6
申请日：2021-09-01
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于密集多尺度网络的RGB图像到高光谱图像重建方法，构建的改进的残差网络模型；输入图像经过1×1卷积层进行特征提取，获得特征图；在所述残差网络模型的特征映射部分，采用转换层和主网络两条支路分别对特征图进行处理；其中，转换层是在快捷连接的基础上，添加两组3×3卷积直接对特征图进行特征提取，获得第一输出特征图；所述主网络在最后一个残差块后面添加跨通道融合感受野模块，对特征图进行特征提取，获得第二输出特征图；将第一输出特征图和第二输出特征图相加，获得重建后的高光谱图像。本发明实现了RGB图像到高光谱图像的重建，重建效果优于传统算法，能够有效扩大网络的感受野，从而取得良好的重建效果。
-
公开(公告)号：CN110570395A
公开(公告)日：2019-12-13
申请号：CN201910719986.0
申请日：2019-08-06
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空谱联合协同表示的高光谱异常检测方法，对原始高光谱图像进行降维与异常信息提取，获得异常成分最多的降维成分；将预处理后的高光谱图像中像元的灰度值与阈值进行比较确定异常点位置；根据所述异常点位置对原始高光谱图像中同样位置的像元做剔除处理；将原始高光谱图像中剔除异常点之后剩余的像元点向量的均值填充异常点位置的像元，构建一幅近似全部于由背景像元构成的高光谱图像；对所述原始高光谱图像和构建的背景像元高光谱图像进行光谱维度的协同表示获得检测结果。本发明充分利用高光谱图像的空间和光谱信息，将空间维度的检测结果作为后验信息，辅助光谱维度的协同表示异常检测，具有优良的检测性能。
-
-
-
Search Results
4
records
(took 0.018 seconds)
