公开(公告)号：CN110321963A

公开(公告)日：2019-10-11

申请号：CN201910616371.5

申请日：2019-07-09

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  郭震 ,  李阳阳 ,  刘若辰 ,  刘静 ,  田小林

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于融合多尺度多维空谱特征的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)对待分类的高光谱图像进行预处理；(3)邻域取块；(4)生成训练集与测试集；(5)构建多尺度空谱特征和多维特征融合网络；(6)训练多尺度空谱特征和多维特征融合网络；(7)对测试样本进行分类。本发明提出的方法能有效解决卷积神经网络在训练时特征太过单一和尺度太过单一的问题，并且能够解决进行高光谱分类时平均分类精度AA低的问题，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能良好。

公开(公告)号：CN113095409B

公开(公告)日：2023-04-07

申请号：CN202110399194.7

申请日：2021-04-13

Applicant: 西安电子科技大学

Inventor： 刘逸 ,  郭震 ,  慕彩红 ,  刘红英 ,  王蓉芳

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464 ,  G06N3/08 ,  G06V20/10

Abstract: 本发明提出了一种基于注意力机制和权值共享的高光谱图像分类方法，其实现步骤为：(1)获取高光谱图像并对其进行预处理；(2)对归一化后的高光谱图像进行邻域取块；(3)生成训练样本集与测试样本集；(4)构建高光谱图像分类网络模型；(5)对高光谱图像分类网络模型进行迭代训练；(6)获取高光谱图像的分类结果，本发明有效解决深度卷积神经网络参数冗余的问题，并且能够解决在有限样本数据集下分类精度低的问题，分类性能良好。

公开(公告)号：CN113095409A

公开(公告)日：2021-07-09

申请号：CN202110399194.7

申请日：2021-04-13

Applicant: 西安电子科技大学

Inventor： 刘逸 ,  郭震 ,  慕彩红 ,  刘红英 ,  王蓉芳

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于注意力机制和权值共享的高光谱图像分类方法，其实现步骤为：(1)获取高光谱图像并对其进行预处理；(2)对归一化后的高光谱图像进行邻域取块；(3)生成训练样本集与测试样本集；(4)构建高光谱图像分类网络模型；(5)对高光谱图像分类网络模型进行迭代训练；(6)获取高光谱图像的分类结果，本发明有效解决深度卷积神经网络参数冗余的问题，并且能够解决在有限样本数据集下分类精度低的问题，分类性能良好。

公开(公告)号：CN110321963B

公开(公告)日：2022-03-04

申请号：CN201910616371.5

申请日：2019-07-09

Applicant: 西安电子科技大学

Inventor： 慕彩红 ,  刘逸 ,  郭震 ,  李阳阳 ,  刘若辰 ,  刘静 ,  田小林

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于融合多尺度多维空谱特征的高光谱图像分类方法，其实现步骤为：(1)输入高光谱图像；(2)对待分类的高光谱图像进行预处理；(3)邻域取块；(4)生成训练集与测试集；(5)构建多尺度空谱特征和多维特征融合网络；(6)训练多尺度空谱特征和多维特征融合网络；(7)对测试样本进行分类。本发明提出的方法能有效解决卷积神经网络在训练时特征太过单一和尺度太过单一的问题，并且能够解决进行高光谱分类时平均分类精度AA低的问题，在实现较高分类精度的同时，能保持对小样本数量类别的识别能力，分类性能良好。