公开(公告)号：CN109460788A

公开(公告)日：2019-03-12

申请号：CN201811269217.7

申请日：2018-10-29

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  曾祁泽 ,  刘敬 ,  刘若辰 ,  李阳阳 ,  刘红英

IPC: G06K9/62

CPC classification number: G06K9/6267 ,  G06K9/6256

Abstract: 本发明公开了一种基于低秩-稀疏信息组合网络的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)获取高光谱图像的低秩信息和稀疏信息；(3)对低秩信息和稀疏信息进行预处理；(4)生成训练集与测试集；(5)构建低秩-稀疏信息组合网络；(6)训练低秩-稀疏信息组合网络；(7)对测试样本进行分类。本发明能有效解决传统低秩恢复分类算法由于低秩子空间估计不准确导致的分类精度下降问题，避免了复杂的低秩恢复操作，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能稳定。

公开(公告)号：CN116580252A

公开(公告)日：2023-08-11

申请号：CN202310718315.9

申请日：2023-06-16

Applicant: 西安电子科技大学

Inventor： 刘逸 ,  慕彩红 ,  祝建 ,  冯家杰 ,  那彦 ,  刘敬

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/40 ,  G06V10/58 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出了一种基于多尺度密集连接和特征聚合网络的高光谱图像分类方法，其实现步骤为：构建光谱‑空间特征提取模块；构建多尺度特征提取模块；构建多层次特征聚合模块；构建多尺度密集连接和特征聚合网络；利用生成的训练集训练多尺度密集连接和特征聚合网络；对高光谱图像进行分类。本发明能够更全面地捕捉高光谱图像的光谱‑空间特征，并充分利用高光谱图像空间特征和不同层次特征，从而有效解决现有高光谱图像分类方法中光谱‑空间特征表示不足、样本不平衡、存在大量冗余信息等问题，并在一定程度上提升高光谱图像分类的性能。

公开(公告)号：CN109492593A

公开(公告)日：2019-03-19

申请号：CN201811366518.1

申请日：2018-11-16

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  刁许玲 ,  刘若辰 ,  熊涛 ,  李阳阳 ,  刘敬

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于主成分分析网络与空间坐标的高光谱图像分类方法，主要解决了现有技术空间与光谱信息融合复杂或不充分以及利用主成分分析网络进行高光谱分类时计算复杂度大等问题。其实现的方案为：先读取高光谱图像的数据集；再将数据集按空间分块随机选取训练集与测试集；然后对光谱信息进行降维、归一化及边缘保留滤波处理；接着将空间坐标扩充并与光谱特征融合；然后训练主成分分析网络，得训练好的主成分分析网络；将测试集数据输入训练好的主成分分析网络，得到测试集中每个像素点的特征向量；最后利用支持向量机SVM得到分类结果。本发明降低了计算复杂度，提高了分类效果，可应用于资源勘探、森林覆盖、灾害监测中的目标识别。