公开(公告)号：CN102819745A

公开(公告)日：2012-12-12

申请号：CN201210231579.3

申请日：2012-07-04

Applicant: 杭州电子科技大学

Inventor： 郭宝峰 ,  陈华杰 ,  谷雨 ,  徐钰明 ,  彭冬亮 ,  刘俊 ,  郭云飞 ,  左燕

IPC: G06K9/62

Abstract: 本发明公开了一种基于AdaBoost的高光谱遥感影像分类方法。传统的模式识别方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类，神经网络、支持向量机虽然能够对遥感数据进行有效的分类，但是参数没有理想的选择方法。本发明首先对高光谱数据进行预处理，去掉大气吸收等因素影响下的异常波段。之后利用MNF变换进行波段优选，达到优化数据、去除噪声和数据降维的目的。然后划分训练样本以及测试样本，选择决策树桩作为弱分类器，对弱分类器训练利用AdaBoost算法得到强分类器，选择合适的迭代次数，最后用一对一的方法构建多分类器，本发明增强了分类器收敛速度，提高了高光谱图像的分类性能。

公开(公告)号：CN102819745B

公开(公告)日：2014-11-05

申请号：CN201210231579.3

申请日：2012-07-04

Applicant: 杭州电子科技大学

Inventor： 郭宝峰 ,  陈华杰 ,  谷雨 ,  徐钰明 ,  彭冬亮 ,  刘俊 ,  郭云飞 ,  左燕

IPC: G06K9/62

Abstract: 本发明公开了一种基于AdaBoost的高光谱遥感影像分类方法。传统的模式识别方法无法满足对数据维数高、数据量大的高光谱数据进行高效率高精度的分类，神经网络、支持向量机虽然能够对遥感数据进行有效的分类，但是参数没有理想的选择方法。本发明首先对高光谱数据进行预处理，去掉大气吸收等因素影响下的异常波段。之后利用MNF变换进行波段优选，达到优化数据、去除噪声和数据降维的目的。然后划分训练样本以及测试样本，选择决策树桩作为弱分类器，对弱分类器训练利用AdaBoost算法得到强分类器，选择合适的迭代次数，最后用一对一的方法构建多分类器，本发明增强了分类器收敛速度，提高了高光谱图像的分类性能。

公开(公告)号：CN103456011A

公开(公告)日：2013-12-18

申请号：CN201310393341.5

申请日：2013-09-02

Applicant: 杭州电子科技大学

Inventor： 郭宝峰 ,  徐钰明 ,  吴香伟 ,  彭冬亮 ,  谷雨 ,  左燕

IPC: G06T7/00

Abstract: 本发明涉及一种利用互补信息的改进型高光谱RX异常检测方法。本发明首先对同一场景下的可见近红外数据和短波红外数据分别运用经典的RX算子进行异常检测，得到初步异常检测的目标判决。在此基础上，利用传感器获取信息的冗余性和互补性特性，结合基于规则的决策级融合方法，得到最终的RX异常检测判决结果。在实测高光谱数据上进行了实验仿真，验证了本算法的有效性。本发明提出的算法能够有效的利用两组数据的冗余以及互补信息，最终提高了目标检测率。