-
公开(公告)号:CN104484681A
公开(公告)日:2015-04-01
申请号:CN201410577411.7
申请日:2014-10-24
Applicant: 西安电子科技大学
CPC classification number: G06K9/6269
Abstract: 本发明公开了一种基于空间信息和集成学习的高光谱遥感影像分类方法,主要解决传统单一分类器自身的局限性和现有集成方法只是利用光谱信息而忽略空间信息的问题。其实现步骤为:1)对高光谱遥感影像数据做PCA变换并提取第一主成分,并对第一主成分进行图像分割,得到一幅分割图;2)用随机特征子集选择方法得到Z个波段子集;3)用SVM对特征子集分别进行训练和测试,得到Z个预测集;4)用多数投票法融合分割图和Z个预测集,得到Z个融合后的标签集;5)对Z个标签集再次用多数投票法进行融合,得到最终的分类映射。本发明在随机特征子集选择集成方法中引入空间信息,极大的提高了分类效果,可用于实际中训练样本特别少的分类。
-
公开(公告)号:CN104200471A
公开(公告)日:2014-12-10
申请号:CN201410437415.5
申请日:2014-08-30
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于自适应权值图像融合的SAR图像变化检测方法,主要解决现有技术中单一类型差异图检测精度低的问题。其实现步骤为:1.读入不同时刻同一地区的两幅SAR图像,分别进行PPB滤波得到滤波后的图像X1和X2;2.根据滤波后的图像,得到差值图Ds与对数比值图Dl;3.分别对Ds和Dl进行均值滤波,得到均值滤波后的差值图Ds'与中值滤波后的比值图Dl';4.计算融合参数η(i,j);5.根据融合参数对差值图Ds'与比值图Dl'进行融合产生差异图D;6.将差异图D聚成不同的两类,得到变化检测结果。本发明具有操作简单、抗噪性好和检测精度高的优点,可应用于环境监测、灾害预测。
-
公开(公告)号:CN104484681B
公开(公告)日:2018-03-13
申请号:CN201410577411.7
申请日:2014-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间信息和集成学习的高光谱遥感影像分类方法,主要解决传统单一分类器自身的局限性和现有集成方法只是利用光谱信息而忽略空间信息的问题。其实现步骤为:1)对高光谱遥感影像数据做PCA变换并提取第一主成分,并对第一主成分进行图像分割,得到一幅分割图;2)用随机特征子集选择方法得到Z个波段子集;3)用SVM对特征子集分别进行训练和测试,得到Z个预测集;4)用多数投票法融合分割图和Z个预测集,得到Z个融合后的标签集;5)对Z个标签集再次用多数投票法进行融合,得到最终的分类映射。本发明在随机特征子集选择集成方法中引入空间信息,极大的提高了分类效果,可用于实际中训练样本特别少的分类。
-
公开(公告)号:CN104200471B
公开(公告)日:2017-03-01
申请号:CN201410437415.5
申请日:2014-08-30
Applicant: 西安电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于自适应权值图像融合的SAR图像变化检测方法,主要解决现有技术中单一类型差异图检测精度低的问题。其实现步骤为:1.读入不同时刻同一地区的两幅SAR图像,分别进行PPB滤波得到滤波后的图像X1和X2;2.根据滤波后的图像,得到差值图Ds与对数比值图Dl;3.分别对Ds和Dl进行均值滤波,得到均值滤波后的差值图Ds'与中值滤波后的比值图Dl';4.计算融合参数η(i,j);5.根据融合参数对差值图Ds'与比值图Dl'进行融合产生差异图D;6.将差异图D聚成不同的两类,得到变化检测结果。本发明具有操作简单、抗噪性好和检测精度高的优点,可应用于环境监测、灾害预测。
-
-
-