基于高光谱图像离群检测的松材线虫病变检测方法

    公开(公告)号:CN115953679A

    公开(公告)日:2023-04-11

    申请号:CN202211654641.X

    申请日:2022-12-22

    IPC分类号: G06V20/10 G01N21/25

    摘要: 本发明涉及松材线虫病变检测技术领域,尤其涉及基于高光谱图像离群检测的松材线虫病变检测方法。步骤包括:采集高光谱图像;利用自然邻居搜索算法,搜索出所有样本点的自然最近邻居;划分为自然密邻居和自然稀邻居;计算密度转折度和邻域转折度;计算各样本点的病变转折度;选取病变转折度最大的样本点作为病变样本点,并将病变样本点的自然稀邻居也作为病变样本点。本发明通过采用高光图像离群检测技术,可以有效检测出松材线虫病变的样本点,避免了人工检测的效率低、滞后性高且成本大的问题。

    一种无参的复杂流形聚类方法

    公开(公告)号:CN110516753A

    公开(公告)日:2019-11-29

    申请号:CN201910816688.3

    申请日:2019-08-30

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种无参的复杂流形聚类方法,包括:使用预设聚类算法求得目标数据集的待确定聚类集合;确定目标数据集中所有的自然核心点;从目标数据集中提取初始聚类结果;计算每两个自然核心点之间的簇距离;计算每两个自然核心点之间的最短路径距离;计算每个待确定类的紧密性及间隔性;基于每个待确定类的紧密性及间隔性计算评价值,若评价值满足预设条件,则将待确定聚类集合作为最终的聚类结果。本发明提出新的簇距离概念,并根据簇距离提出了最短路径距离概念。通过综合考虑类的紧密性和间隔性,采用自然评价标准,实现了对含有噪声点和复杂流形数据集的聚类结果进行有效评价,从而形成了一种新的无参的复杂流形聚类方法。