-
公开(公告)号：CN105869161A
公开(公告)日：2016-08-17
申请号：CN201610182415.4
申请日：2016-03-28
Applicant: 西安电子科技大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10036 , G06T2207/30168
Abstract: 本发明提出了一种基于图像质量评价的高光谱图像波段选择方法，用于解决无监督波段选择方法中存在的选择的波段子集判别性能差的问题；包括如下步骤：输入待波段选择的高光谱图像；将高光谱图像进行归一化；将归一化后的高光谱图像中的波段图像进行平均，得到平均图像；将波段图像和平均图像进行量化；以平均图像作为参考，求各个波段图像的图像质量评价值；将MRMR波段选择方法中的波段与样本标签之间的互信息替换为图像质量评价值；根据改进的MRMR进行波段选择。本发明通过引入图像质量评价，可以选择出高质量的波段，且波段与波段之间的相关性小，选择的波段子集判别性能好，可用于对高光谱图像进行降维。
-
公开(公告)号：CN105844296B
公开(公告)日：2019-04-23
申请号：CN201610164764.3
申请日：2016-03-22
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于完全双交叉模式CDCP局部描述子的遥感图像场景分类方法，主要解决传统遥感图像分类方法准确率不高的问题。其实现步骤为：1.输入遥感图像数据集；2.对数据集中的图像进行灰度化处理；3.对灰度化处理后的图像提取完全双交叉模式CDCP局部特征描述子，即将每幅图像转化成一个特征向量；4.对图像的特征向量进行归一化；5.以归一化后的特征向量作为分类特征，采用SVM分类器对数据集中所有图像进行分类，并输出分类结果。本发明提出的完全双交叉模式CDCP局部特征描述子对多种遥感图像具有很强的描述能力，提高了场景分类的准确率，可用于对遥感图像数据的分析和管理。
-
Patent Agency Ranking
公开(公告)号：CN109522952A
公开(公告)日：2019-03-26
申请号：CN201811341762.2
申请日：2018-11-12
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于聚类刻画fMRI动态变异性偏离度的方法，该方法包括：获取原始样本的动态性聚类结果；针对每一个聚类结果计算其在所有所属聚类类别的总占比，并根据占比大小进行排序；设定一个中心状态占比阈值，根据该中心状态占比阈值按照一定的规则将几个聚类类别分为中心状态和非中心状态；对非中心状态的每个样本f计算其距离中心状态的总偏离度；计算被试的非中心状态样本的偏离度平均值，作为代表该被试的总偏离度。本方法具有鲁棒性高稳定性强的特点，相比于传统的变异指标(方差)，能更准确，更适合数据描述出磁共振数据在特定时间序列的变化特性。
-
公开(公告)号：CN105844297A
公开(公告)日：2016-08-10
申请号：CN201610164988.4
申请日：2016-03-22
Applicant: 西安电子科技大学
CPC classification number: G06K9/6265 , G06K9/00536 , G06K9/6269
Abstract: 本发明提出一种基于局部空间信息的封装式高光谱波段选择方法，其步骤如下：1)输入待波段选择的高光谱图像,将其转换为矩阵形式的高光谱数据并作归一化处理；2)使用支撑向量机SVM作为分类器，采用交叉验证的方法选择M个初始波段；3)将M个波段与剩余波段逐一组合，计算出各组合波段的能量函数E(f)；4)使用现有图切方法对组合波段的能量函数E(f)进行能量最小化；5)根据各组合波段能量函数值的大小进行波段选择。本发明对高光谱图像中的光谱信息和局部空间信息进行了有效融合，相对于只利用光谱维信息的方法，选择波段的识别性能有了很大提升，可用于高光谱图像的数据降维。
-
公开(公告)号：CN105869161B
公开(公告)日：2018-11-20
申请号：CN201610182415.4
申请日：2016-03-28
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明提出了一种基于图像质量评价的高光谱图像波段选择方法，用于解决无监督波段选择方法中存在的选择的波段子集判别性能差的问题；包括如下步骤：输入待波段选择的高光谱图像；将高光谱图像进行归一化；将归一化后的高光谱图像中的波段图像进行平均，得到平均图像；将波段图像和平均图像进行量化；以平均图像作为参考，求各个波段图像的图像质量评价值；将MRMR波段选择方法中的波段与样本标签之间的互信息替换为图像质量评价值；根据改进的MRMR进行波段选择。本发明通过引入图像质量评价，可以选择出高质量的波段，且波段与波段之间的相关性小，选择的波段子集判别性能好，可用于对高光谱图像进行降维。
-
公开(公告)号：CN109522952B
公开(公告)日：2021-08-06
申请号：CN201811341762.2
申请日：2018-11-12
Applicant: 电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于聚类刻画fMRI动态变异性偏离度的方法，该方法包括：获取原始样本的动态性聚类结果；针对每一个聚类结果计算其在所有所属聚类类别的总占比，并根据占比大小进行排序；设定一个中心状态占比阈值，根据该中心状态占比阈值按照一定的规则将几个聚类类别分为中心状态和非中心状态；对非中心状态的每个样本f计算其距离中心状态的总偏离度；计算被试的非中心状态样本的偏离度平均值，作为代表该被试的总偏离度。本方法具有鲁棒性高稳定性强的特点，相比于传统的变异指标(方差)，能更准确，更适合数据描述出磁共振数据在特定时间序列的变化特性。
-
公开(公告)号：CN105844296A
公开(公告)日：2016-08-10
申请号：CN201610164764.3
申请日：2016-03-22
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6256 , G06K9/6269
Abstract: 本发明公开了一种基于完全双交叉模式CDCP局部描述子的遥感图像场景分类方法，主要解决传统遥感图像分类方法准确率不高的问题。其实现步骤为：1.输入遥感图像数据集；2.对数据集中的图像进行灰度化处理；3.对灰度化处理后的图像提取完全双交叉模式CDCP局部特征描述子，即将每幅图像转化成一个特征向量；4.对图像的特征向量进行归一化；5.以归一化后的特征向量作为分类特征，采用SVM分类器对数据集中所有图像进行分类，并输出分类结果。本发明提出的完全双交叉模式CDCP局部特征描述子对多种遥感图像具有很强的描述能力，提高了场景分类的准确率，可用于对遥感图像数据的分析和管理。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
