-
公开(公告)号：CN111260576A
公开(公告)日：2020-06-09
申请号：CN202010034617.0
申请日：2020-01-14
申请人： 哈尔滨工业大学
摘要： 一种基于去噪三维卷积自编码网络的高光谱解混算法，解决了传统端元提取算法无法快速同步获得端元光谱与丰度信息，同时易受到干扰、鲁棒性差的问题。本发明的步骤为：一、基于高光谱体数据结构设计并建立三维卷积自编码网络；二、利用去噪自编码算法采用生成数据集训练网络，提取鲁棒的空谱联合特征；三、设计并实现非负稀疏自编码器，对丰度添加非负性与稀疏性约束，将数据映射到低维信号子空间从而同步获得高精度的端元与丰度信息。本发明的基本思想是采用深层自编码网络提取空谱联合特征，以无监督的方式同步获得影像的端元与丰度信息，解混精度高，适用于高光谱端元提取与丰度反演应用，如城市遥感、精准农业、勘探侦查等，社会经济价值高。
-
公开(公告)号：CN105631480B
公开(公告)日：2018-10-26
申请号：CN201511022779.8
申请日：2015-12-30
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
摘要： 一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法，其步骤如下：一、对三维高光谱数据展开分类前进行预处理，获得包含有效光谱信息的数据矩阵与标签向量；二、对数据矩阵进行特征扩维，并对特征维进行按列折叠重组，获得重组的三维高光谱数据输入矩阵；三、设定多层卷积网络结构参数与初始值；四、利用前向传播与BP算法逐层计算特征与误差，并对网络权值与偏置进行更新，不断迭代获得网络稳定参数，最终获得能够用于分类的网络模型与参数。相比于其他方法，该方法原理清楚，结构清晰，识别时间短，同时探测辨识率高，是针对高光谱数据的一个有效分类方法，适用于高光谱图像快速目标探测与分类识别应用。
-
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
申请人： 哈尔滨工业大学
IPC分类号： G01J3/28
摘要： 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
申请人： 哈尔滨工业大学
IPC分类号： G01J3/28
CPC分类号： G01J3/2823
摘要： 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：CN111260576B
公开(公告)日：2022-07-05
申请号：CN202010034617.0
申请日：2020-01-14
申请人： 哈尔滨工业大学
摘要： 一种基于去噪三维卷积自编码网络的高光谱解混算法，解决了传统端元提取算法无法快速同步获得端元光谱与丰度信息，同时易受到干扰、鲁棒性差的问题。本发明的步骤为：一、基于高光谱体数据结构设计并建立三维卷积自编码网络；二、利用去噪自编码算法采用生成数据集训练网络，提取鲁棒的空谱联合特征；三、设计并实现非负稀疏自编码器，对丰度添加非负性与稀疏性约束，将数据映射到低维信号子空间从而同步获得高精度的端元与丰度信息。本发明的基本思想是采用深层自编码网络提取空谱联合特征，以无监督的方式同步获得影像的端元与丰度信息，解混精度高，适用于高光谱端元提取与丰度反演应用，如城市遥感、精准农业、勘探侦查等，社会经济价值高。
-
公开(公告)号：CN105631480A
公开(公告)日：2016-06-01
申请号：CN201511022779.8
申请日：2015-12-30
申请人： 哈尔滨工业大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6267
摘要： 一种基于多层卷积网络与数据重组折叠的高光谱数据分类方法，其步骤如下：一、对三维高光谱数据展开分类前进行预处理，获得包含有效光谱信息的数据矩阵与标签向量；二、对数据矩阵进行特征扩维，并对特征维进行按列折叠重组，获得重组的三维高光谱数据输入矩阵；三、设定多层卷积网络结构参数与初始值；四、利用前向传播与BP算法逐层计算特征与误差，并对网络权值与偏置进行更新，不断迭代获得网络稳定参数，最终获得能够用于分类的网络模型与参数。相比于其他方法，该方法原理清楚，结构清晰，识别时间短，同时探测辨识率高，是针对高光谱数据的一个有效分类方法，适用于高光谱图像快速目标探测与分类识别应用。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.021 秒)
