-
公开(公告)号：CN107832793A
公开(公告)日：2018-03-23
申请号：CN201711090175.6
申请日：2017-11-08
申请人： 深圳大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6269 , G06K9/6223
摘要： 本发明适用于图像分类，提供了高光谱图像的分类方法，包括：将高光谱图像分为训练集和测试集，并提取局部特征点，通过K-means算法对训练集的局部特征点进行计算形成词典，采用KNN算法在词典中为测试集的待分类局部特征点形成最近邻单词，并为测试集图像的待分类特征点查找最近邻特征点，在最近邻单词中查找出光谱维距离最短的近邻单词，引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到编码系数，通过最大池化算法池化编码系数，并将得到的编码系数作为高光谱图像的特征描述符对测试集进行分类。本发明解决了高光谱图像特征点和词典单词建立映射关系时存在的不确定性的问题，提高了相似图像的识别力。
-
公开(公告)号：CN108540802B
公开(公告)日：2021-12-03
申请号：CN201810268590.4
申请日：2018-03-29
申请人： 深圳大学
IPC分类号： H04N19/169 , H04N19/70 , H04N19/85 , G06K9/62
摘要： 本发明适用于图像处理技术领域，提供了高光谱图像的局部约束线性编码方法，包括：提取高光谱图像的待编码特征，得到特征集；根据特征集中的特征点，确定所述高光谱图像的词典；分别获取特征集的波段信息和词典中单词的波段信息；以特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。本发明实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时，引入了高光谱图像的波段信息，并将其作为特征点到词典单词的映射的判别约束，从而降低了特征点与词典单词之间映射的模糊性，增强了对高光谱图像的表示能力。
-
公开(公告)号：CN108540802A
公开(公告)日：2018-09-14
申请号：CN201810268590.4
申请日：2018-03-29
申请人： 深圳大学
IPC分类号： H04N19/169 , H04N19/70 , H04N19/85 , G06K9/62
摘要： 本发明适用于图像处理技术领域，提供了高光谱图像的局部约束线性编码方法，包括：提取高光谱图像的待编码特征，得到特征集；根据特征集中的特征点，确定所述高光谱图像的词典；分别获取特征集的波段信息和词典中单词的波段信息；以特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。本发明实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时，引入了高光谱图像的波段信息，并将其作为特征点到词典单词的映射的判别约束，从而降低了特征点与词典单词之间映射的模糊性，增强了对高光谱图像的表示能力。
-
公开(公告)号：CN107832793B
公开(公告)日：2021-08-06
申请号：CN201711090175.6
申请日：2017-11-08
申请人： 深圳大学
IPC分类号： G06K9/62
摘要： 本发明适用于图像分类，提供了高光谱图像的分类方法，包括：将高光谱图像分为训练集和测试集，并提取局部特征点，通过K‑means算法对训练集的局部特征点进行计算形成词典，采用KNN算法在词典中为测试集的待分类局部特征点形成最近邻单词，并为测试集图像的待分类特征点查找最近邻特征点，在最近邻单词中查找出光谱维距离最短的近邻单词，引入近邻特征点、近邻单词和光谱维距离三重约束，通过求解约束最小乘拟合问题，得到编码系数，通过最大池化算法池化编码系数，并将得到的编码系数作为高光谱图像的特征描述符对测试集进行分类。本发明解决了高光谱图像特征点和词典单词建立映射关系时存在的不确定性的问题，提高了相似图像的识别力。
-
-
-
搜索结果
4 条记录 (耗时 0.018 秒)