[发明专利]一种应用于深度学习的近地高光谱数据扩展方法有效
| 申请号： | 201910261685.8 | 申请日： | 2019-04-02 |
| 公开（公告）号： | CN110070004B | 公开（公告）日： | 2021-07-20 |
| 发明（设计）人： | 张竞成;刘鹏;车弘书;张雪雪;袁琳;吴开华;周贤锋;张垚 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G01N21/25 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 朱亚冠 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种应用于深度学习的近地高光谱数据扩展方法。本发明采用现有技术获取近地高光谱数据以及为了后续深度学习所需的其他匹配信息数据；对近地高光谱原始数据进行光谱模拟，具体可以采用光照扰动和添加噪声两种方法，从而扩展近地高光谱的数据量；最后通过对原始数据先增加一系列一定范围内的光谱扰动，再基于这些数据添加基于原始数据获取的噪声。本发明中创新性的采用光照扰动和噪声添加两步对近地原始高光谱数据进行了光谱模拟，实现了近地高光谱数据的扩充，有效的增加了光谱数据量，可以有效的提高近地高光谱数据在深度学习应用中的模型精度，从而为深度学习在近地高光谱中的应用提供理论基础。 | ||
| 搜索关键词： | 一种 应用于 深度 学习 光谱 数据 扩展 方法 | ||
【主权项】：
1.一种应用于深度学习的近地高光谱数据扩展方法，其特征在于包括以下步骤：步骤一：原始数据获取采用现有技术获取近地高光谱数据以及为了后续深度学习所需的其他匹配信息数据；步骤二：光照模拟和噪声添加对步骤一得到的近地高光谱原始数据进行光谱模拟，具体可以采用光照扰动和添加噪声两种方法，从而扩展近地高光谱的数据量；步骤三：叠加噪声和光谱扰动Sim＝Simn+Simk其中Sim为模拟完成的数据，Simn为光照模拟完成数据，Simk为噪声模拟数据。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201910261685.8/，转载请声明来源钻瓜专利网。
