[发明专利]一种结合图结构与卷积神经网络的高光谱分类方法在审
| 申请号： | 202111150852.5 | 申请日： | 2021-09-29 |
| 公开（公告）号： | CN113920442A | 公开（公告）日： | 2022-01-11 |
| 发明（设计）人： | 丁遥;张志利;蔡伟;赵晓枫;阳能军;尉成果 | 申请（专利权）人： | 中国人民解放军火箭军工程大学 |
| 主分类号： | G06V20/13 | 分类号： | G06V20/13;G06V10/26;G06V10/40;G06V10/762;G06V10/771;G06V10/764;G06V10/774;G06V10/80;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安弘理专利事务所 61214 | 代理人： | 燕肇琪 |
| 地址： | 710025 陕西*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种图结构与卷积神经相结合的高光谱图像分类方法。所述的卷积神经网络是可将三维分解为一维和二维卷积神经网络，超像素图网络是可用于后续的多尺度二维处理的超像素图网络；包括五大步骤：高光谱图像分割和光谱特征提取、基于图网络的多尺度特征提取、基于卷积神经网络的多尺度特征提取、特征融合和像素分类、损失函数和模型训练。与现有技术相比：本发明提供了一种新的多尺度融合网络及一种谱变换机制，可以提取基于多尺度超像素的图形特征和局部像素特征，利用一维提取图节点的谱特征；可抑制原始高光谱图像的噪声，提高图卷积神经网络对不同高光谱图像的适应性，提高分类精度，自动提取高光谱特征并完成分类。分类正确率达到93％以上。 | ||
| 搜索关键词： | 一种 结合 结构 卷积 神经网络 光谱 分类 方法 | ||
【主权项】：
暂无信息
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中国人民解放军火箭军工程大学，未经中国人民解放军火箭军工程大学许可，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/202111150852.5/，转载请声明来源钻瓜专利网。
