公开(公告)号：CN110400276B

公开(公告)日：2022-10-14

申请号：CN201910671108.6

申请日：2019-08-28

Applicant: 上海海洋大学

Inventor： 黄冬梅 ,  张明华 ,  李永兰 ,  宋巍 ,  贺琪 ,  王建 ,  牛玉莹

IPC: G06T5/00 ,  G06V20/13 ,  G06V10/30

Abstract: 一种高光谱图像去噪方法，该方法根据高光谱图像数据中局部空间低秩先验、光谱低秩先验和全局光谱低秩先验，基于地物类别建立低秩矩阵恢复模型；根据不同的地物类别对高光谱图像分块；在高光谱图像局部分块内去除噪声；对整个高光谱图像空间数据和光谱数据内再一次去除噪声。

公开(公告)号：CN110400276A

公开(公告)日：2019-11-01

申请号：CN201910671108.6

申请日：2019-08-28

Applicant: 上海海洋大学

Inventor： 黄冬梅 ,  张明华 ,  李永兰 ,  宋巍 ,  贺琪 ,  王建 ,  牛玉莹

IPC: G06T5/00 ,  G06K9/00 ,  G06K9/40

Abstract: 一种高光谱图像去噪方法，该方法根据高光谱图像数据中局部空间低秩先验、光谱低秩先验和全局光谱低秩先验，基于地物类别建立低秩矩阵恢复模型；根据不同的地物类别对高光谱图像分块；在高光谱图像局部分块内去除噪声；对整个高光谱图像空间数据和光谱数据内再一次去除噪声。

公开(公告)号：CN108520279A

公开(公告)日：2018-09-11

申请号：CN201810326062.X

申请日：2018-04-12

Applicant: 上海海洋大学

Inventor： 黄冬梅 ,  张明华 ,  张晓桐 ,  邹亚晴 ,  李永兰

IPC: G06K9/62 ,  G06K9/46 ,  G06K9/40

Abstract: 本发明涉及一种局部稀疏嵌入的高光谱图像半监督降维方法，所述方法包括以下步骤：步骤S1.设高维空间RD中存在数据集X＝{x1，x2，…，xl，xl+1，…，xl+u}，l+u＝N，其中前l个样本Xl为有类标样本，类别标签为c，各类样本数为Ni，i＝(1，2，…，c)，后u个样本Xu是无类标样本；步骤S2.通过稀疏表示构建稀疏系数矩阵S；步骤S3.基于半监督局部稀疏嵌入投影算法构造投影矩阵W；步骤S4.根据投影矩阵W，求出低维子空间Y＝WTX＝{y1，y2，…，yN}。其优点表现在：通过对高光谱图像进行局部稀疏嵌入的半监督降维，既利用了数据的类标信息，也保持了数据局部特性且降低了图像的噪声信息，从而提高了图像的分类精度。

公开(公告)号：CN108520281A

公开(公告)日：2018-09-11

申请号：CN201810328999.0

申请日：2018-04-13

Applicant: 上海海洋大学

Inventor： 黄冬梅 ,  张明华 ,  张晓桐 ,  宋巍 ,  王龑 ,  李明慧 ,  李永兰 ,  邹亚晴

IPC: G06K9/62

Abstract: 本发明涉及一种基于全局与局部保持的高光谱图像半监督降维方法，所述的方法包括以下步骤：步骤S1.设高维空间RD中存在数据集X＝{x1，x2，…，xl，xl+1，…，xl+u},其中前l个样本Xl为有类标样本，类别标签为c，各类样本数为Ni，i＝(1，2，…，c)，后u个样本Xu是无类标样本；步骤S2.通过半监督全局分布算法构造半监督全局目标函数；步骤S3.基于半监督局部保持投影算法，给出改进后的半监督局部目标函数；步骤S4.结合S2中的全局目标函数和S3中的局部目标函数，构造半监督IPCA-IWSSFE整体目标函数及求解低维子空间Y＝WTX。其优点表现在：通过对高光谱图像进行全局与局部保持的半监督降维，即考虑的数据的局部特性，又能保证数据的全局特性，从而提高了图像的分类精度。