-
公开(公告)号：CN105389597A
公开(公告)日：2016-03-09
申请号：CN201510969347.1
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于Chernoff距离和SVM的高光谱数据多分类方法，其步骤如下：一、对输入数据进行预处理，得到归一化数据；二、计算任意两个类别之间的Chernoff距离，得到Chernoff距离矩阵；三、确定多分类任务OAA策略下的执行顺序表，得到每个波段以及全波段的可分性度量；四、构建基于Chernoff距离的子分类器指导系数；五、采用基于Chernoff距离的加权SVM分类器执行整个OAA策略所确定的分类任务，直到得到各个测试样本的最终单一类别属性。本发明不仅提高了传统的SVM方法的精确度，而且对小样本类别的分类精度有较大的提高，适用于基于OAA分类策略的高光谱图像模式识别应用。
-
公开(公告)号：CN105389597B
公开(公告)日：2018-07-27
申请号：CN201510969347.1
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 本发明公开了种基于Chernoff距离和SVM的高光谱数据多分类方法,其步骤如下:、对输入数据进行预处理,得到归化数据;二、计算任意两个类别之间的Chernoff距离,得到Chernoff距离矩阵;三、确定多分类任务OAA策略下的执行顺序表,得到每个波段以及全波段的可分性度量;四、构建基于Chernoff距离的子分类器指导系数;五、采用基于Chernoff距离的加权SVM分类器执行整个OAA策略所确定的分类任务,直到得到各个测试样本的最终单类别属性。本发明不仅提高了传统的SVM方法的精确度,而且对小样本类别的分类精度有较大的提高,适用于基于OAA分类策略的高光谱图像模式识别应用。
-
公开(公告)号：CN105571716B
公开(公告)日：2018-03-30
申请号：CN201510969368.3
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G01J3/28
Abstract: 本发明公开了一种基于差分与卷积核的线采样高光谱数据目标探测方法，其步骤如下：一、高光谱数据预处理，去除水分波段并进行去均值化处理；二、选择合适的步长对数据进行线采样，进行差分运算与卷积运算获得衡量采样长方体的特征值；三、选用合适的阈值特征值进行处理，超过阈值的区域即包含目标点；四、重复步骤二和三，直至遍历整个长方体数据集，找到目标点行位置信息；五、对步骤一得到的高光谱数据在图像维转置，重复步骤二至四直至遍历整个长方体数据集，找到目标点列位置信息，从而定位目标点在图像中的位置信息。该方法原理清楚，结构清晰，计算开销小，时间复杂性低，探测辨识率高，适用于单一背景下高光谱图像快速目标探测与定位应用。
-
公开(公告)号：CN105571716A
公开(公告)日：2016-05-11
申请号：CN201510969368.3
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G01J3/28
CPC classification number: G01J3/2823
Abstract: 本发明公开了一种基于差分与卷积核的线采样高光谱数据目标探测方法，其步骤如下：一、高光谱数据预处理，去除水分波段并进行去均值化处理；二、选择合适的步长对数据进行线采样，进行差分运算与卷积运算获得衡量采样长方体的特征值；三、选用合适的阈值特征值进行处理，超过阈值的区域即包含目标点；四、重复步骤二和三，直至遍历整个长方体数据集，找到目标点行位置信息；五、对步骤一得到的高光谱数据在图像维转置，重复步骤二至四直至遍历整个长方体数据集，找到目标点列位置信息，从而定位目标点在图像中的位置信息。该方法原理清楚，结构清晰，计算开销小，时间复杂性低，探测辨识率高，适用于单一背景下高光谱图像快速目标探测与定位应用。
-
-
-
Search Results
4
records
(took 0.029 seconds)
