-
公开(公告)号：CN110751144A
公开(公告)日：2020-02-04
申请号：CN201910916938.0
申请日：2019-09-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于稀疏表示的冠层植物高光谱图像分类方法。本发明引入一种新的加权稀疏表示模型，将高光谱数据中的任一光谱表示为预先训练好的字典中若干原子的线性组合。任一光谱的稀疏表示被表示为稀疏向量，其非零值对应于所选训练样本的权重。通过求解稀疏约束优化问题来恢复稀疏向量，并且可以直接确定测试样本的类标签。引入相关系数与阈值的概念，该模型根据相邻光谱与当前光谱的相关性对相邻光谱赋予不同的权重值，从而改变邻域内不同光谱对当前光谱归属的约束程度，这种改变对不同对象交界处光谱的分类有着显著改善。
-
公开(公告)号：CN110930466B
公开(公告)日：2023-08-29
申请号：CN201911006832.3
申请日：2019-10-22
Applicant: 杭州电子科技大学
IPC: G06T9/00
Abstract: 本发明公开面向任意形状BOIs的高光谱自适应压缩传感方法。针对任意形状感兴趣波段BOIs的三维高光谱图像，利用最大内接矩形法对任意形状感兴趣波段进行自适应分块，进而采用张量压缩传感与单光谱压缩相结合的方法，对任意形状的高光谱图像进行压缩感知处理，极大程度的降低了压缩感知算法的压缩性能。该发明提出一种新的压缩感知方法，以实现对任意形状感兴趣波段进行压缩，充分利用信号的稀疏性，提高了压缩感知过程中的处理性能。
-
公开(公告)号：CN110751144B
公开(公告)日：2022-07-08
申请号：CN201910916938.0
申请日：2019-09-26
Applicant: 杭州电子科技大学
IPC: G06V10/143 , G06V10/774 , G06V10/771 , G06V10/764 , G06K9/62
Abstract: 本发明公开一种基于稀疏表示的冠层植物高光谱图像分类方法。本发明引入一种新的加权稀疏表示模型，将高光谱数据中的任一光谱表示为预先训练好的字典中若干原子的线性组合。任一光谱的稀疏表示被表示为稀疏向量，其非零值对应于所选训练样本的权重。通过求解稀疏约束优化问题来恢复稀疏向量，并且可以直接确定测试样本的类标签。引入相关系数与阈值的概念，该模型根据相邻光谱与当前光谱的相关性对相邻光谱赋予不同的权重值，从而改变邻域内不同光谱对当前光谱归属的约束程度，这种改变对不同对象交界处光谱的分类有着显著改善。
-
公开(公告)号：CN110930466A
公开(公告)日：2020-03-27
申请号：CN201911006832.3
申请日：2019-10-22
Applicant: 杭州电子科技大学
IPC: G06T9/00
Abstract: 本发明公开面向任意形状BOIs的高光谱自适应压缩传感方法。针对任意形状感兴趣波段BOIs的三维高光谱图像，利用最大内接矩形法对任意形状感兴趣波段进行自适应分块，进而采用张量压缩传感与单光谱压缩相结合的方法，对任意形状的高光谱图像进行压缩感知处理，极大程度的降低了压缩感知算法的压缩性能。该发明提出一种新的压缩感知方法，以实现对任意形状感兴趣波段进行压缩，充分利用信号的稀疏性，提高了压缩感知过程中的处理性能。
-
-
-
Search Results
4
records
(took 0.02 seconds)
