[发明专利]基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法在审
| 申请号： | 201610969296.7 | 申请日： | 2016-10-28 |
| 公开（公告）号： | CN106355212A | 公开（公告）日： | 2017-01-25 |
| 发明（设计）人： | 谷延锋;刘天竹 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46;G06N99/00 |
| 代理公司： | 哈尔滨市松花江专利商标事务所23109 | 代理人： | 杨立超 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的在于克服在高光谱图像分类方法中不能对高光谱图像的空间信息进行充分挖掘以及没有考虑基核之间非线性交互作用产生的有用信息的不足。具体过程为一利用主成分分析方法提取高光谱图像的主成分，在主成分基础上获取高光谱图像扩展的多结构元素形态学轮廓特征；二构建线性基核；三得到非线性组合核；四将非线性组合核带入支持向量机中，采用梯度下降法得到的最优核权重；五对高光谱图像进行分类。本发明用于图像分类领域。 | ||
| 搜索关键词： | 基于 形态学 轮廓 特征 非线性 多核 学习 光谱 图像 分类 方法 | ||
【主权项】：
基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法，其特征在于：基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法具体过程为：步骤一：利用主成分分析方法提取高光谱图像的主成分，在主成分基础上获取高光谱图像扩展的多结构元素形态学轮廓特征，即空间‑光谱特征；步骤二：通过给定的高光谱样本数据，分别利用步骤一获取高光谱图像扩展的多结构元素形态学轮廓特征中每一个开运算、闭运算及高光谱图像经主成分分析后得到的主成分构建线性基核；步骤三：每一个线性基核对应一个核权重，通过计算任意两个线性基核的哈达玛积得到非线性核，将非线性核进行加权，得到非线性组合核；步骤四：将步骤三得到的非线性组合核带入支持向量机中，采用梯度下降法得到最优核权重；步骤五：利用步骤四得到的最优核权重对高光谱图像进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学，未经哈尔滨工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610969296.7/，转载请声明来源钻瓜专利网。
