-
公开(公告)号：CN104318271A
公开(公告)日：2015-01-28
申请号：CN201410677128.1
申请日：2014-11-21
Applicant: 南京大学
Abstract: 本发明公开了一种基于适应性编码和几何平滑汇合的图像分类方法，包含如下步骤：图像底层局部特征提取；码书学习；特征编码；特征汇合；训练数据分割；建立模型；图像分类。本发明应用在图像分类领域，在图像表示上，本发明能够保持码书以及特征编码的结构化信息，能够大大降低码书生成的时间复杂度，以及生成具有结构化特性的图像特征表示，充分利用了图像特征丰富的空间位置信息，在图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
公开(公告)号：CN104318271B
公开(公告)日：2017-04-26
申请号：CN201410677128.1
申请日：2014-11-21
Applicant: 南京大学
Abstract: 本发明公开了一种基于适应性编码和几何平滑汇合的图像分类方法，包含如下步骤：图像底层局部特征提取；码书学习；特征编码；特征汇合；训练数据分割；建立模型；图像分类。本发明应用在图像分类领域，在图像表示上，本发明能够保持码书以及特征编码的结构化信息，能够大大降低码书生成的时间复杂度，以及生成具有结构化特性的图像特征表示，充分利用了图像特征丰富的空间位置信息，在图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
公开(公告)号：CN106203510A
公开(公告)日：2016-12-07
申请号：CN201610544083.X
申请日：2016-07-11
Applicant: 南京大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法，包含如下步骤：高光谱图像形态学特征提取；字典学习过程；特征编码；图像分类。本发明应用在高光谱图像分类领域，本发明充分考虑了高光谱图像中的空间信息结构关系，并且基于空间关系信息构建高层语义映射，获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务，消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题，在高光谱图像分类上有着显著的效果，因此本发明具有较高的使用价值。
-
-
Search Results
3
records
(took 0.013 seconds)
