公开(公告)号：CN113298746A

公开(公告)日：2021-08-24

申请号：CN202110757895.3

申请日：2021-07-05

Applicant: 北京邮电大学

Inventor： 吴铭 ,  黄意翔 ,  张闯 ,  陈凯彦 ,  粟孙鼎凯

IPC: G06T5/50 ,  G06K9/34 ,  G06K9/62 ,  G06N20/00

Abstract: 一种基于机器学习算法的有监督假彩色图像合成方法涉及多光谱/高光谱影像处理技术领域，解决了现有实现复杂、适用范围窄的问题，包括：对带目标分割标签的n通道多/高光谱图像进行数据处理得到具有二分类标签的特征向量；将具有二分类标签的特征向量作为进行训练数据对XGBoost模型进行训练，XGBoost模型训练完成后，根据训练过程计算各个通道的对提取目标的重要性排序及权重；选取重要性排名在前的3个通道，根据3个通道中每个通道的权重进行像素值的缩放得到3个像素值调整后的通道图像，将3个像素值调整后的通道图像合成得到假彩色图像。本发明的任务导向性强、合成图质量高适用于任意领域多光谱/高光谱影像合成假彩色图像。

公开(公告)号：CN113298746B

公开(公告)日：2022-10-28

申请号：CN202110757895.3

申请日：2021-07-05

Applicant: 北京邮电大学

Inventor： 吴铭 ,  黄意翔 ,  张闯 ,  陈凯彦 ,  粟孙鼎凯

IPC: G06T5/50 ,  G06V10/26 ,  G06V10/764 ,  G06V10/774 ,  G06N20/00

Abstract: 一种基于机器学习算法的有监督假彩色图像合成方法涉及多光谱/高光谱影像处理技术领域，解决了现有实现复杂、适用范围窄的问题，包括：对带目标分割标签的n通道多/高光谱图像进行数据处理得到具有二分类标签的特征向量；将具有二分类标签的特征向量作为进行训练数据对XGBoost模型进行训练，XGBoost模型训练完成后，根据训练过程计算各个通道的对提取目标的重要性排序及权重；选取重要性排名在前的3个通道，根据3个通道中每个通道的权重进行像素值的缩放得到3个像素值调整后的通道图像，将3个像素值调整后的通道图像合成得到假彩色图像。本发明的任务导向性强、合成图质量高适用于任意领域多光谱/高光谱影像合成假彩色图像。