-
公开(公告)号：CN113139512B
公开(公告)日：2023-09-29
申请号：CN202110526282.9
申请日：2021-05-14
申请人： 辽宁工程技术大学
IPC分类号： G06V10/764 , G06V20/10 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种基于残差和注意力的深度网络高光谱影像分类方法，该方法首先将高光谱图像原始数据集进行波段划分和归一化处理，得到高光谱影像数据集；再通过主成分分析方法提取数据集的第一主成分影像作为引导图像；从中选择一定像素的邻域作为输入样本，并进行三维操作，对各个波段进行批处理，提取三维的特征张量；对三维的特征张量进行二维操作，提取更精细的空间特征；再进入一维操作，获得嵌入特征。最后将获得的嵌入特征和对应的空间特征分别输入包含D2CEL损失函数的原型网络分类器中进行分类，得到预测结果。本发明不仅优化了高光谱空间分类模块的设计和应用，提高了深度模型的泛化能力；还产生了更多的区别特征，实现了更精确的HIS分类。
-
公开(公告)号：CN116612317A
公开(公告)日：2023-08-18
申请号：CN202310459548.1
申请日：2023-04-26
申请人： 辽宁工程技术大学
IPC分类号： G06V10/764 , G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/082 , G06N3/088
摘要： 本发明涉及遥感分类领域，且公开了一种高光谱遥感影像分类方法，其包括构建初始化SDAE模型、根据迭代次数和学习率推导出目标函数、根据学习率比例判断学习率取值和根据权值矩阵和偏置量判断学习能否结束。本发明提供的方法应用到遥感影像分类中能够避免陷入局部最优陷阱，缓解手动操作效率低的状况，提高分类精度，缩减实验时长；本发明所提供的自适应学习率计算方法能有助于更深层的学习影像特征，提高分类精度，学习效率也较高，能有效解决以往算法中的陷入局部最优和需要手动调参等问题。
-
公开(公告)号：CN110472682B
公开(公告)日：2023-04-18
申请号：CN201910743989.8
申请日：2019-08-13
申请人： 辽宁工程技术大学
IPC分类号： G06V10/764
摘要： 本发明提供一种顾及空间和局部特征的高光谱遥感影像分类方法，涉及高光谱图像处理与应用技术领域。该方法首先对输入的高光谱影像数据集进行波段划分和归一化处理；利用主成分分析提取高光谱影像的光谱特征，得到引导图像；通过引导图像对各个波段影像进行引导滤波处理，得到每个波段的输出图像；将各个波段输出图像进行叠加，得到提取的图像空间特征；利用局部Fisher判别分析实现图像空间特征低维嵌入；将低维嵌入特征划分为训练样本和测试样本分别输入到SVM分类器得到分类结果。本发明方法能够较好的描述地物的结构和边缘信息；在进行空间特征提取的同时顾及了像素间局部关系，提取出有效的空‑谱特征，提高了分类精度。
-
公开(公告)号：CN109697465A
公开(公告)日：2019-04-30
申请号：CN201811548001.4
申请日：2018-12-18
申请人： 辽宁工程技术大学
摘要： 本发明提供一种基于小波核局部Fisher判别分析的高光谱影像分类方法，涉及高光谱图像技术领域。该方法首先读入高光谱数据作为样本数据，并对样本数据集进行归一化；采用小波核函数将数据从低维原始空间映射到高维特征空间；利用局部Fisher判别分析方法对样本数据进行特征提取；将降维后的数据集划分为训练数据和测试数据，将训练数据输入SVM分类器获得最优参数值；将测试数据输入分类器得到分类结果；对分类结果进行分析和精度评价。本发明提供的基于小波核局部Fisher判别分析的高光谱影像分类方法，获得了很好的分类效果，可应用于农业监测、环境管理、灾害评估、矿物填图等领域。
-
公开(公告)号：CN113076937B
公开(公告)日：2024-03-29
申请号：CN202110488854.9
申请日：2021-04-28
申请人： 辽宁工程技术大学
IPC分类号： G06V20/13 , G06V10/40 , G06V10/762 , G06V10/764 , G06V10/77
摘要： 本申请提出一种高光谱图像特征提取方法，包括如下步骤：输入待分类的原始高光谱影像数据集，包括：已经标记的高光谱影像数据以及未标记的高光谱影像数据；对已经标记的高光谱影像数据，进行线性判别分析，得到第一投影矩阵；针对未标记的高光谱影像数据，进行主成分分析，得到第二投影矩阵；将第一投影矩阵与第二投影矩阵进行合并，得到第三投影矩阵；针对所述第三投影矩阵，进行图谱判别分析，提取最终的特征矩阵。解决了现有技术中，针对高光谱遥感影像难以降维或者降维后难以同时保留光谱特征与空间特征的问题。本申请利用半监督流形变化能更好的扩大特征之间的差异，在进行空间特征提取的同时顾及了像素间局部关系，提高了分类精度。
-
公开(公告)号：CN109697465B
公开(公告)日：2022-11-25
申请号：CN201811548001.4
申请日：2018-12-18
申请人： 辽宁工程技术大学
IPC分类号： G06V10/764 , G06V10/77 , G06V10/774 , G06F17/16
摘要： 本发明提供一种基于小波核局部Fisher判别分析的高光谱影像分类方法，涉及高光谱图像技术领域。该方法首先读入高光谱数据作为样本数据，并对样本数据集进行归一化；采用小波核函数将数据从低维原始空间映射到高维特征空间；利用局部Fisher判别分析方法对样本数据进行特征提取；将降维后的数据集划分为训练数据和测试数据，将训练数据输入SVM分类器获得最优参数值；将测试数据输入分类器得到分类结果；对分类结果进行分析和精度评价。本发明提供的基于小波核局部Fisher判别分析的高光谱影像分类方法，获得了很好的分类效果，可应用于农业监测、环境管理、灾害评估、矿物填图等领域。
-
公开(公告)号：CN113111863A
公开(公告)日：2021-07-13
申请号：CN202110520751.6
申请日：2021-05-13
申请人： 辽宁工程技术大学
摘要： 本发明提供一种基于微型批处理与级联融合的图卷积网络高光谱分类方法，涉及高光谱图像处理与应用技术领域。将输入的高光谱影像数据集进行微型批量处理,CNN使用minibatch策略进行培训，得到数据集的所有子集，构造高光谱影像数据集的邻接矩阵，构建拉普拉斯矩阵，进行谱域中的图卷积，将通过傅里叶变换后的图信号进行卷积处理，从而提取特征，将miniGCNs与CNNs级联融合后，输出样本类别。本发明利用一种新的有监督的miniGCN进行网络训练，具有更大的灵活性，同时融合了卷积神经网络为HS图像分类任务提取更多样化和更具鉴别能力的特征表示，方法更具有有效性和优越性。
-
公开(公告)号：CN113052130A
公开(公告)日：2021-06-29
申请号：CN202110422342.2
申请日：2021-04-20
申请人： 辽宁工程技术大学
摘要： 本发明公开了一种基于深度残差网络和边缘保护滤波的高光谱影像分类方法，涉及高光谱图像处理技术领域。该方法包括：利用主成分分析的方法对原始高光谱影像数据进行特征提取，将第一主成分特征作为引导图像，前三主成分特征作为输入图像；通过联合双边滤波提取出影像特征后进行图像叠加；构建一种深度残差网络模型并采用该模型对原始空谱特征进行处理提取出影像的深层空谱特征；将提取的空谱特征输入到Softmax分类器完成影像分类。该方法综合了联合双边滤波与深度学习模型的优势，缓解了卷积神经网络分类中的过拟合问题，在顾及边缘信息的基础上能够充分提取和利用影像的深层空谱特征，有效提高高光谱影像的地物分类精度。
-
公开(公告)号：CN113128471A
公开(公告)日：2021-07-16
申请号：CN202110533010.1
申请日：2021-05-17
申请人： 辽宁工程技术大学
摘要： 本发明提供一种基于注意力机制和生成对抗网络的高光谱影像分类方法，涉及高光谱图像处理与应用技术领域。本发明对高光谱影像数据集进行归一化、主成分分析，得到真实样本；将特征矩阵进行转置卷积运算后，生成的特征输入到联合的空间‑光谱联合注意力机制模块，得到生成样本；将真实样本和生成样本进行四次卷积，得到输入样本的层次特征；真实样本特征与生成器中相应的等尺寸特征相加，生成新的融合特征输入到联合的空间‑光谱联合注意力机制模块；将层次特征沿着光谱通道依次输入到ConvLSTM中，通过识别器中的softmax函数实现分类。本发明能有效提高生成样本的质量，通过使用生成的高质量样本，提高鉴别器的分类能力。
-
公开(公告)号：CN110472682A
公开(公告)日：2019-11-19
申请号：CN201910743989.8
申请日：2019-08-13
申请人： 辽宁工程技术大学
IPC分类号： G06K9/62
摘要： 本发明提供一种顾及空间和局部特征的高光谱遥感影像分类方法，涉及高光谱图像处理与应用技术领域。该方法首先对输入的高光谱影像数据集进行波段划分和归一化处理；利用主成分分析提取高光谱影像的光谱特征，得到引导图像；通过引导图像对各个波段影像进行引导滤波处理，得到每个波段的输出图像；将各个波段输出图像进行叠加，得到提取的图像空间特征；利用局部Fisher判别分析实现图像空间特征低维嵌入；将低维嵌入特征划分为训练样本和测试样本分别输入到SVM分类器得到分类结果。本发明方法能够较好的描述地物的结构和边缘信息；在进行空间特征提取的同时顾及了像素间局部关系，提取出有效的空-谱特征，提高了分类精度。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.028 秒)
