-
公开(公告)号：CN114220008B
公开(公告)日：2024-09-17
申请号：CN202111494041.7
申请日：2021-12-08
申请人： 大连海事大学
IPC分类号： G06V20/10 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0985 , G06N3/0464 , G06T5/20 , G06T5/30
摘要： 本发明公开了一种基于元学习和连体网络的高光谱图像目标检测方法，包括：首先设计了一维深度残差卷积网络用以构建三通道深度残差卷积连体网络。其次，为了使同类像元光谱类内距离小，不同类像元光谱类间距离大，设计了光谱三重态损失函数。通过在设计的三通道深度残差卷积连体网络上使用从已知有标签源域高光谱数据集上构建的任务进行元训练，在欧几里得特征空间中学习光谱之间的相似性与相异性。将学习到的元知识使用先验目标像元光谱通过设计的两通道深度残差卷积连体网络进行更新，以快速适应新的检测任务。其中，连体网络中每个通道的一维深度残差卷积网络的结构与参数都是相同的。最后联合空间信息，使用引导图滤波与形态学闭运算对两通道深度残差卷积连体网络的检测图进行处理，得到最终的检测结果图。
-
公开(公告)号：CN114220007B
公开(公告)日：2024-09-17
申请号：CN202111494021.X
申请日：2021-12-08
申请人： 大连海事大学
IPC分类号： G06V20/10 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/764
摘要： 本发明公开了一种基于过完备深度低秩子空间聚类的高光谱图像波段选择方法，通过对网络模型参数初始化，输入高光谱立方体和选择的波段数；划分训练样本，训练网络，计算损失函数，通过反向传播更新网络参数；保存网络参数，计算相似性图，利用谱聚类得到聚类结果，选择离聚类中心最近的波段作为最优波段子集；通过支持向量机(SVM)进行分类并评价分类结果。采用过完备表示和不完全表示的深度卷积自动编码器网络进行特征融合，提取更有意义和更丰富的光谱空间信息，用低秩表示获得更加鲁棒的亲和力矩阵来执行子空间聚类，提高子空间聚类的性能和确保准确选取信息波段子集。
-
公开(公告)号：CN113762389B
公开(公告)日：2024-04-12
申请号：CN202111050504.0
申请日：2021-09-08
申请人： 大连海事大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于动态诊断的高光谱影像小样本分类方法，包括以下步骤：建立基于元学习的分类任务；构建特征提取网络和双分支边推导网络；利用建立的更新原则训练进行分类模型的训练；构建动态诊断策略为待分类样本分配标签。本发明使用少量的高光谱影像样本进行分类模型的训练，并利用动态诊断判别提升测试集的分类精度，采用双分支深度神经网络搭建特征提取网络用于提取特征及边推导网络用于空间相似性和光谱相似性度量，测试时构建动态诊断器，筛选出样本当前任务中符合高类内相似性和高类间差异性且光谱分支网络和空间分支网络的分类结果保持一致性的样本，进而提升分类性能。
-
公开(公告)号：CN113673599B
公开(公告)日：2024-04-12
申请号：CN202110962828.5
申请日：2021-08-20
申请人： 大连海事大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于校正原型学习的高光谱影像分类方法，包括选取高光谱场景图像，随机提取部分样本作为训练集；随机选出支持集和查询集；搭建深度网络模型，并计算学习度量空间中的初始类原型；搭建带有残差块的卷积神经网络；S4：训练所述深度网络模型；S5：选取测试数据集，从中随机选取监督样本，并对所述监督样本的分布做校正标准化处理；S6：计算测试集样本与所述测试类原型的欧式距离。本发明利用基于校正原型学习的高光谱分类方法对高光谱图像进行分类，通过选取支持集和查询集，避免使用大量的标记样本，节省样本标记成本。与传统原型网络相比，得到了更好的分类精度，在高光谱图像地表精细分类等方面具有重要的应用价值。
-
公开(公告)号：CN111311696B
公开(公告)日：2023-07-25
申请号：CN202010089208.0
申请日：2020-02-12
申请人： 大连海事大学
摘要： 本发明公开了一种基于高光谱解混技术的车牌真伪检测方法，包括：采用高光谱照相机获取伪造车牌图像将其作为解混目标图像；根据解混目标图像建立线性光谱混合模型；构建目标端元矩阵集合M，其中目标端元矩阵集合M包括当前车牌图像提取到的目标端元集合M1和存储普适真实目标的端元集合M2，结合最小二乘法对给定的目标端元集合M进行解混，获取各端元mi对应的丰度结果图FMapi，设定阈值T，获得各目标端元丰度图FMapi的二值化可视结果BMapi，对二值可视结果BMapi进行优化、获得车牌伪造信息的最终结果FinalMAP。
-
公开(公告)号：CN110738171B
公开(公告)日：2023-05-05
申请号：CN201910976493.5
申请日：2019-10-15
申请人： 大连海事大学
IPC分类号： G06V20/13 , G06V10/764
摘要： 本发明公开了一种基于类特征迭代随机采样的高光谱图像谱空分类方法，包括根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，根据各地物平均光谱特征、自相关矩阵的逆矩阵、通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，根据分类图像信息计算相邻两次迭代分类结果的相似性系数，判断所述相似性系数是否已满足迭代分类的截止条件、对融合更新后的数据进行迭代分类。
-
公开(公告)号：CN106408034B
公开(公告)日：2019-11-26
申请号：CN201610905667.5
申请日：2016-10-17
申请人： 大连海事大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于空间特征迭代的高光谱图像分类方法，根据高光谱样本数据计算出地物类别的光谱签名di；并设置类别目标集合、背景端元集合及颜色约束矩阵；利用高光谱图像的背景端元U、约束矩阵C及图像自相关逆矩阵R‑1定义一个能同时进行多类别分类的分类器Tk，并提取所有类别目标的初始分类结果，同时提取每种类别目标分类结果的空间特征{Tk(iG)}，接着把空间特征{Tk(iG)}反馈叠加到待分类的高光谱图像中进行空间特征与谱间特征的融合；再通过迭代的方式进行多类别的同时分类，直到达到设定的迭代停止条件；最后把分类结果采用不同颜色进行标注。本方法有效利用光谱统计特征与迭代空间特征相融合的方式进行高光谱图像类别特征判断，逐步提高高光谱图像分类的准确度。
-
公开(公告)号：CN106650811B
公开(公告)日：2019-08-13
申请号：CN201611218275.8
申请日：2016-12-26
申请人： 大连海事大学
IPC分类号： G06K9/62
摘要： 本发明提供一种基于近邻协同增强的高光谱混合像元分类方法，包括：利用已标记的样本地物计算多目标地物的光谱签名矩阵；设计基于光谱特征的多类别分类器将地物进行分类；在分类结果中融合空间结构特征，并提取近邻像元；利用近邻像元协同对未标记高光谱地物进行类别标记；采用迭代方法逐步将未标记的地物分别进行分类标注；利用邻域扩展的方式进一步融合目标地物的空间特征，完成最终分类标记。本发明利用多类别分类器对地物类别进行同时分类，解决了传统分类方法无法对背景地物进行分类的问题；并利用近邻协同增强的方式，逐步对未标记的地物目标进行标记，有效的融合了地物的光谱特征和空间特征，分类效果较好。
-
-
公开(公告)号：CN107238591A
公开(公告)日：2017-10-10
申请号：CN201710390597.9
申请日：2017-05-27
申请人： 大连海事大学
IPC分类号： G01N21/64
CPC分类号： G01N21/64 , G01N21/6486 , G01N2021/6423
摘要： 本发明提出了一种活体荧光的光谱解混探测方法，包括如下步骤：获取待分析的活体荧光图像，分析该活体荧光图像的混合荧光光谱，根据自发荧光光谱和目标荧光光谱，建立当前荧光图像的线性光谱混合模型；建立所述线性光谱混合模型的正交子空间投影，结合最小二乘算法消除所述线性光谱混合模型中的自发荧光光谱，进而非分离得出感兴趣光谱，即目标荧光光谱。
-
-
-
-
-
-
-
-
-
搜索结果
60 条记录 (耗时 0.033 秒)
