公开(公告)号：CN108846361B

公开(公告)日：2022-05-03

申请号：CN201810618959.X

申请日：2018-06-15

Applicant: 南京邮电大学

Inventor： 解培中 ,  张不已 ,  青春美

IPC: G06V10/764 ,  G06V10/58 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于谱带特异性学习的高光谱图像分类方法，在网络中加入一个空间残差块，用于提取高光谱图像的空间特征，为光谱特征提供有用的辅助信息，缓解了光谱特征空间变异性对分类性能的影响。同时可以避免网络深度加深时分类精度的降低。设计了平行网络。使用谱带分割算法对高光谱图像基于光谱进行均匀分割，使用平行网络分别同时提取分割后数据的光谱特征，减少了网络的训练时间。

公开(公告)号：CN108846361A

公开(公告)日：2018-11-20

申请号：CN201810618959.X

申请日：2018-06-15

Applicant: 南京邮电大学

Inventor： 解培中 ,  张不已 ,  青春美

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提出了一种基于谱带特异性学习的高光谱图像分类方法，在网络中加入一个空间残差块，用于提取高光谱图像的空间特征，为光谱特征提供有用的辅助信息，缓解了光谱特征空间变异性对分类性能的影响。同时可以避免网络深度加深时分类精度的降低。设计了平行网络。使用谱带分割算法对高光谱图像基于光谱进行均匀分割，使用平行网络分别同时提取分割后数据的光谱特征，减少了网络的训练时间。