-
公开(公告)号：CN109902555B
公开(公告)日：2020-09-22
申请号：CN201910027325.1
申请日：2019-01-11
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于对象的多尺度层次表达学习的变化检测方法，包括：根据第一待检测遥感图像获取融合图像和多尺度图像；根据所述融合图像获取超像素映射图；根据所述多尺度图像、所述超像素映射图和多尺度层次学习模型，获取多尺度层次特征；根据所述多尺度层次特征获取检测结果图。本发明所提出的基于对象的多尺度层次表达学习的变化检测方法，使用多个深度模型对多尺度图像进行特征学习提取多组层次特征，利用多组深度特征有效完成从粗到精的层次的变化区域识别，提高变化检测精度，提高鲁棒性。
-
公开(公告)号：CN109902555A
公开(公告)日：2019-06-18
申请号：CN201910027325.1
申请日：2019-01-11
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于对象的多尺度层次表达学习的变化检测方法，包括：根据第一待检测遥感图像获取融合图像和多尺度图像；根据所述融合图像获取超像素映射图；根据所述多尺度图像、所述超像素映射图和多尺度层次学习模型，获取多尺度层次特征；根据所述多尺度层次特征获取检测结果图。本发明所提出的基于对象的多尺度层次表达学习的变化检测方法，使用多个深度模型对多尺度图像进行特征学习提取多组层次特征，利用多组深度特征有效完成从粗到精的层次的变化区域识别，提高变化检测精度，提高鲁棒性。
-
公开(公告)号：CN109948421A
公开(公告)日：2019-06-28
申请号：CN201910027339.3
申请日：2019-01-11
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于PCA和属性配置文件的高光谱图像分类方法，包括步骤：对待分类高光谱图像进行降维操作，得到目标成分的灰度图像；将灰度图像生成树结构，统计树结构的目标特征及树结构中每个结点的形态学属性，并根据目标特征和形态学属性选取阈值；根据形态学属性和阈值，对树结构进行属性滤波操作，得到若干扩展属性配置文件；将若干扩展属性配置文件的数据与标准数据集融合，得到融合样本，利用融合样本对支持向量机进行训练，并利用训练好的支持向量机对若干扩展属性配置文件进行分类，得到分类结果。本发明实施例根据目标特征和形态学属性选取阈值，减少了对人工经验的依赖程度，提高了计算速度，并且改善了分类结果，提高了分类精度。
-
公开(公告)号：CN109948421B
公开(公告)日：2021-04-13
申请号：CN201910027339.3
申请日：2019-01-11
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于PCA和属性配置文件的高光谱图像分类方法，包括步骤：对待分类高光谱图像进行降维操作，得到目标成分的灰度图像；将灰度图像生成树结构，统计树结构的目标特征及树结构中每个结点的形态学属性，并根据目标特征和形态学属性选取阈值；根据形态学属性和阈值，对树结构进行属性滤波操作，得到若干扩展属性配置文件；将若干扩展属性配置文件的数据与标准数据集融合，得到融合样本，利用融合样本对支持向量机进行训练，并利用训练好的支持向量机对若干扩展属性配置文件进行分类，得到分类结果。本发明实施例根据目标特征和形态学属性选取阈值，减少了对人工经验的依赖程度，提高了计算速度，并且改善了分类结果，提高了分类精度。
-
公开(公告)号：CN109858394A
公开(公告)日：2019-06-07
申请号：CN201910027907.X
申请日：2019-01-11
申请人： 西安电子科技大学
摘要： 本发明涉及一种基于显著性检测的遥感图像水体区域提取方法，包括：利用显著性检测法对初始遥感图像进行初步检测，得到候选区域；利用归一化水体指数法对所述候选区域进行水体分类，确定水体区域。本发明的方法将显著性检测法与归一化水体指数法结合，提高了水体信息提取的效率，本发明的方法不仅适用于低分辨率遥感图像中水体信息的获取，提高水体检测的效率，而且有助于高分辨率遥感图像中水体信息的获取。
-
-
-
-
搜索结果
5 条记录 (耗时 0.032 秒)
