-
公开(公告)号：CN105205496B
公开(公告)日：2018-12-28
申请号：CN201510577708.8
申请日：2015-09-11
Applicant: 重庆邮电大学
IPC: G06K9/62
Abstract: 本发明涉及高光谱图像分类领域，具体公开基于空间信息约束的增强型稀疏表示高光谱图像分类装置。本发明利用正规化欧氏距离计算重构像元与原始像元之间的相似度，在计算像元类别归属时引入类别特征信息，对以待测像元为中心的八邻域内的空间信息进行提取，设置空间信息权值，将空间分类信息权值与经过正规化欧氏距离计算的光谱相似度相结合，构成基于空间信息与光谱信息的分类模型；对待测像元类别进行多次规划，重新计算残差值与空间信息权值。本方法能够有效提升高光谱图像的分类精度，具备较强的泛化能力。
-
公开(公告)号：CN106101732A
公开(公告)日：2016-11-09
申请号：CN201610524613.4
申请日：2016-07-05
Applicant: 重庆邮电大学
IPC: H04N19/94
CPC classification number: H04N19/94
Abstract: 本发明针对高光谱图像数据量大的特点，提出了一种快速压缩高光谱图像的矢量量化方案。根据三维高光谱图像数据构建初始码书，根据初始码书的特征矩阵进行主成分提取获取初始码书主成分，排除特征矩阵中异常像素并提取其主成分，得到训练矢量主成分，根据码书主成分对训练矢量主成分进行聚类，获得最终码书，完成高光谱图像的压缩编码。本发明对码书和训练矢量进行PCA运算，使得矢量的大部分能量集中在低维部分，使得空间复杂度大大减小，同时对异常像素进行提取，减少码书受到少数相关性较小的像素的影响，提高码书质量。本发明不仅能保证图像恢复质量几乎不受影响、还能达到大大降低运算量，快速高效地完成高光谱图像压缩的目标。
-
公开(公告)号：CN106101732B
公开(公告)日：2019-04-09
申请号：CN201610524613.4
申请日：2016-07-05
Applicant: 重庆邮电大学
IPC: H04N19/94
Abstract: 本发明针对高光谱图像数据量大的特点，提出了一种快速压缩高光谱图像的矢量量化方案。根据三维高光谱图像数据构建初始码书，根据初始码书的特征矩阵进行主成分提取获取初始码书主成分，排除特征矩阵中异常像素并提取其主成分，得到训练矢量主成分，根据码书主成分对训练矢量主成分进行聚类，获得最终码书，完成高光谱图像的压缩编码。本发明对码书和训练矢量进行PCA运算，使得矢量的大部分能量集中在低维部分，使得空间复杂度大大减小，同时对异常像素进行提取，减少码书受到少数相关性较小的像素的影响，提高码书质量。本发明不仅能保证图像恢复质量几乎不受影响、还能达到大大降低运算量，快速高效地完成高光谱图像压缩的目标。
-
公开(公告)号：CN105205496A
公开(公告)日：2015-12-30
申请号：CN201510577708.8
申请日：2015-09-11
Applicant: 重庆邮电大学
IPC: G06K9/62
CPC classification number: G06K9/6223
Abstract: 本发明涉及高光谱图像分类领域，具体公开基于空间信息约束的增强型稀疏表示高光谱图像分类装置。本发明利用正规化欧氏距离计算重构像元与原始像元之间的相似度，在计算像元类别归属时引入类别特征信息，对以待测像元为中心的八邻域内的空间信息进行提取，设置空间信息权值，将空间分类信息权值与经过正规化欧氏距离计算的光谱相似度相结合，构成基于空间信息与光谱信息的分类模型；对待测像元类别进行多次规划，重新计算残差值与空间信息权值。本方法能够有效提升高光谱图像的分类精度，具备较强的泛化能力。
-
-
-
Search Results
4
records
(took 0.016 seconds)
