公开(公告)号：CN111008664B

公开(公告)日：2023-04-07

申请号：CN201911233282.9

申请日：2019-12-05

Applicant: 上海海洋大学

Inventor： 韩彦岭 ,  高仪 ,  王静 ,  张云 ,  洪中华 ,  杨树瑚

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于空谱联合特征的高光谱海冰检测方法，解决了传统方法限制了高光谱海冰图像分类精度提升的弊端，其技术方案要点是包括有以下步骤：通过原始高光谱图像获得原始数据；从原始数据中提取空间特征并获取得到标签样本；从原始数据数据中选择各标签样本的近邻未标签样本并进行处理；将标签样本和未标签样本融合以形成输入数据；将输入数据随机划分为训练样本和测试样本，通过训练样本对预建的三维CNN网络模型进行训练，通过测试样本进行测试，以得到分类精度；通过训练测试后的三维CNN网络模型对高光谱遥感图像进行检测分类，本发明的一种基于空谱联合特征的高光谱海冰检测方法，能够有效的克服现有困难，改进高光谱海冰的分类精度。

公开(公告)号：CN111008664A

公开(公告)日：2020-04-14

申请号：CN201911233282.9

申请日：2019-12-05

Applicant: 上海海洋大学

Inventor： 韩彦岭 ,  高仪 ,  王静 ,  张云 ,  洪中华 ,  杨树瑚

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于空谱联合特征的高光谱海冰检测方法，解决了传统方法限制了高光谱海冰图像分类精度提升的弊端，其技术方案要点是包括有以下步骤：通过原始高光谱图像获得原始数据；从原始数据中提取空间特征并获取得到标签样本；从原始数据数据中选择各标签样本的近邻未标签样本并进行处理；将标签样本和未标签样本融合以形成输入数据；将输入数据随机划分为训练样本和测试样本，通过训练样本对预建的三维CNN网络模型进行训练，通过测试样本进行测试，以得到分类精度；通过训练测试后的三维CNN网络模型对高光谱遥感图像进行检测分类，本发明的一种基于空谱联合特征的高光谱海冰检测方法，能够有效的克服现有困难，改进高光谱海冰的分类精度。