“光谱特征提取”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2984009个，建议您升级VIP下载更多相关专利

[发明专利]基于空间扩展卷积和光谱扩展卷积的高光谱数据分类方法-CN202310449506.X在审
发明人：王硕;刘正军;陈一铭;刘爱霞 -专利权人：中国测绘科学研究院
申请日： 2023-04-24 - 公布日： 2023-07-21 - 主分类号： G06V10/44 文献下载
摘要：本申请涉及一种基于空间扩展卷积和光谱扩展卷积的高光谱数据分类方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取初始高光谱图像，并根据初始高光谱图像，确定第一高光谱图像和第二高光谱图像；根据第一高光谱图像和空间特征提取网络，确定空间特征图；空间特征提取网络基于空间扩展卷积进行空间特征提取；根据第二高光谱图像和光谱特征提取网络，确定光谱特征图；光谱特征提取网络基于光谱扩展卷积进行光谱特征提取；将空间特征图和光谱特征图输入至特征融合层，得到融合特征图；将融合特征图输入至特征分类网络，得到初始高光谱图像对应的分类结果。本方案能够提高特征的提取精度，进而提高高光谱数据的分类精度。
基于空间扩展卷积光谱数据分类方法

[发明专利]物质识别网络模型训练方法及太赫兹光谱物质识别方法-CN201910380222.3有效
发明人：程良伦;何伟健 -专利权人：广东工业大学
申请日： 2019-05-08 - 公布日： 2021-09-17 - 主分类号： G01N21/3586 文献下载
摘要：本发明实施例公开了一种物质识别网络模型训练方法、装置及太赫兹光谱物质识别方法、装置。其中，将训练样本输入物质识别网络框架结构进行模型训练直至其对验证样本的预测概率超过阈值，则结束训练。物质识别网络模型包括特征提取模块和特征分类模块，光谱特征提取网络包括光谱特征提取模块和数据重构模块；特征提取模块和光谱特征提取模块的结构相同。特征分类模块将特征提取模块输出的多通道光谱特征压缩至单通道，并利用softmax回归得到隶属各类物质的概率；光谱特征提取网络训练结束条件为输入至其光谱特征提取模块的原始光谱数据和其数据重构模块输出的重建光谱数据的误差小于预设阈值
物质识别网络模型训练方法赫兹光谱

[发明专利]一种适用于高光谱影像的特征提取方法-CN202011359486.X在审
发明人：张雨;徐杞斌;陈亮;王一名;蔡坚松;谭健铭;曾繁荣 -专利权人：广东电网有限责任公司肇庆供电局
申请日： 2020-11-27 - 公布日： 2021-02-23 - 主分类号： G06K9/46 文献下载
摘要：本发明涉及高光谱影像特征提取技术领域，尤其涉及一种适用于高光谱影像的特征提取方法，包括以下步骤：S1、预处理采集的高光谱影像，获得数据集；S2、基于最小二乘支持向量机原则构建特征提取模型，对数据集进行特征提取；S3、分别得到数据集中的光谱特征和空间信息。本发明的适用于高光谱影像的特征提取方法，通过对高光谱影像进行预处理，初步确定待提取的特征数据，利用构建的特征提取模型进行二次提取，并结合贝叶斯策略进行三次判断验证，以确保提取的特征是光谱影像明显的、唯一的识别点，由此，在提高特征提取准确度的同时，也提高了关于光谱影像识别分析的精确度，为进一步研究光谱影像工作带来了积极的意义。
一种适用于光谱影像特征提取方法

[发明专利]一种引入注意力机制的多尺度高光谱图像特征提取方法-CN202211680728.4在审
发明人：许张弛;郭宝峰;吴文豪;苏晓通;尤靖云 -专利权人：杭州电子科技大学
申请日： 2022-12-26 - 公布日： 2023-04-18 - 主分类号： G06V10/58 文献下载
摘要：本发明涉及一种引入注意力机制的多尺度高光谱图像特征提取方法，包括：S1、将高光谱图像归一化到[‑1,1]之间，生成光谱特征提取样本与空间特征提取样本；S2、将光谱与空间特征提取样本中有标签的样本随机采样，分为训练集、测试集；S3、将光谱训练集与空间训练集分别输入构建的光谱特征提取子网分支与空间特征提取子网分支进行光谱特征提取；S4、引入光谱得分计算网络、空间得分计算网络、权重系数γ对光谱特征和空间特征进行自适应的加权融合；S5、返回步骤S3，直到满足预先设定的迭代次数，否则保存参数；S6、将高光谱图像数据样本输入训练好网络，得到分类映射结果。本发明提高了高光谱图像的分类性能，取得了更加精确分类准确率。
一种引入注意力机制尺度光谱图像特征提取方法

[发明专利]一种图像的特征提取方法、语义分割方法及其相关装置-CN202211421065.4在审
发明人：崔婵婕;任宇鹏;李乾坤;黄积晟 -专利权人：浙江大华技术股份有限公司
申请日： 2022-11-11 - 公布日： 2023-03-28 - 主分类号： G06V10/58 文献下载
摘要：本申请公开了一种图像的特征提取方法、语义分割方法及其相关装置，该方法包括：获取光谱图像，光谱图像是利用多个波段光对环境采集得到；利用语义特征提取网络提取光谱图像的第一空间特征；利用语义特征提取网络基于第一空间特征进行若干级特征提取，以得到光谱图像的目标图像特征，其中，每级特征提取的输入特征包括利用第一空间特征以及之前每一级特征提取得到的第二空间特征进行注意力处理得到的当前级的输入特征。通过上述方式，本申请能够增强光谱图像中的空间信息的提取能力。
一种图像特征提取方法语义分割及其相关装置

[发明专利]基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法-CN201911369737.X有效
发明人：李贤;丁明理;张永强;杨光磊;董娜;朱月熠;孙晨昕 -专利权人：哈尔滨工业大学
申请日： 2019-12-26 - 公布日： 2022-11-22 - 主分类号： G06V10/44 文献下载
摘要：基于一维组卷积神经网络的高光谱遥感数据深度光谱特征提取方法，属于遥感数据特征提取技术领域。为了解决现有的基于深度学习方法需要大量标记的训练样本学习模型的参数，存在针对高光谱遥感数据标记训练样本稀少的情况光谱特征提取效果差的问题。本发明所述方法利用D个一维滤波器对归一化数据进行卷积操作，在特征通道方向分成g组；每组利用多个一维滤波器进行一维卷积操作，将每组卷积结果在特征通道方向上堆栈在一起；进行全局和局部相关性并进行加权，洗牌，然后进行一维卷积操作，提取光谱特征；进而确定高光谱遥感数据深度光谱特征提取模型，训练高光谱遥感数据深度光谱特征提取模型。本发明用于高光谱遥感数据深度光谱特征的提取。
基于一维组卷积神经网络光谱遥感数据深度特征提取方法

[发明专利]金字塔多尺度卷积和自注意力结合的高光谱图像分类方法-CN202310295404.7在审
发明人：葛海淼;潘海珠;刘沫岐 -专利权人：齐齐哈尔大学
申请日： 2023-03-23 - 公布日： 2023-06-23 - 主分类号： G06V10/764 文献下载
摘要：金字塔多尺度卷积和自注意力结合的高光谱图像分类方法，涉及高光谱图像领域，具体为金字塔多尺度卷积和自注意力结合的高光谱图像分类方法。本发明方法：一：对要分类的高光谱图像进行基于数据立方体的分割；二：对分割后的图像采用光谱特征提取网络提取高光谱图像的光谱特征特征图；三：对光谱特征提取网络提取后的特征图采用空间特征提取网络提取高光谱图像的空间特征特征图；四：空间特征特征图经分类网络生成分类结果。本发明方法没有像传统金字塔卷积那样对输入数据进行分割，而是直接使用完整的输入数据进行特征提取，以保持特征的完整性。
金字塔尺度卷积注意力结合光谱图像分类方法

[发明专利]一种基于多源遥感数据的湿地分类方法和电子设备-CN202310321902.4有效
发明人：秦华伟;赵玉杨;王建步;马元庆;张明亮;刘爱英;邢红艳;宋秀凯;孙珊;苏博;姜向阳;张娟;李凡;谷伟丽;李少文;李志林;姜会超;李伟 -专利权人：山东省海洋资源与环境研究院（山东省海洋环境监测中心、山东省水产品质量检验中心）;自然资源部第一海洋研究所;北京理工大学
申请日： 2023-03-29 - 公布日： 2023-06-16 - 主分类号： G06V10/764 文献下载
摘要：本申请涉及图像处理技术领域，提供一种基于多源遥感数据的湿地分类方法和电子设备，其中，分类方法包括：获取湿地的高光谱图像数据、多光谱图像数据和预训练的分类网络模型；将高光谱图像数据输入第一特征提取网络分别提取光谱特征和空间特征，得到高光谱特征；将多光谱图像数据输入第二特征提取网络，提取多尺度空间特征，得到多光谱特征；将高光谱特征和多光谱特征输入深度交叉注意模块进行特征融合；利用全连接层和损失函数，得到湿地分类结果。将双分支特征提取模块对深度交叉注意模块的特征提取部分进行改进，深度交叉注意模块能够更充分利用两种不同遥感数据的特点，分类性能更优，在总体准确度和Kappa系数方面均有较大的提升。
一种基于遥感数据湿地分类方法电子设备

[发明专利]基于生成对抗网络的高光谱图像无监督特征提取方法-CN201810193116.X有效
发明人：公茂果;王善峰;毛贻顺;张明阳;张天乐;武越;牛旭东;杨月磊 -专利权人：西安电子科技大学
申请日： 2018-03-09 - 公布日： 2022-03-22 - 主分类号： G06V10/46 文献下载
摘要：本发明公开了一种基于生成对抗网络的高光谱图像无监督特征提取方法，主要解决现有特征提取效果不佳，且需大量标签信息的问题。实现步骤为：数据预处理；生成对抗网络参数设置；计算生成对抗网络中生成器网络G输出；构建生成对抗网络目标函数；生成对抗网络训练；提取多层特征并进行池化和组合操作得到最终特征。本发明首次使用了生成对抗网络提取特征，卷积计算利用了高光谱图像的空间信息和光谱信息，使用生成对抗网络的多层特征，有效提高了高光谱图像的分类精度，本发明在训练及特征提取中都未使用任何标签信息，属于完全无监督特征提取本发明适用于各类高光谱图像的无监督特征提取。
基于生成对抗网络光谱图像监督特征提取方法

[发明专利]一种目标与背景时空光谱相似度分析系统及方法-CN202211305421.6在审
发明人：欧阳亚雄;彭锐晖;吕永胜;陈宗阳;汪嘉鑫;温远征 -专利权人：哈尔滨工程大学
申请日： 2022-10-24 - 公布日： 2023-01-31 - 主分类号： G06V10/74 文献下载
摘要：本发明公开了一种目标与背景时空光谱相似度分析系统及方法，包括：光谱预处理模块、光谱特征提取模块、时空变化规律分析模块、相似度分析模块；目标和背景光谱经光谱预处理模块处理后传输至光谱特征提取模块；光谱特征提取模块对光谱进行特征提取并量化差异，然后传输到时空变化规律分析模块，时空变化规律分析模块分析光谱特征差异随时空变化规律，并将变化规律传输到相似度分析模块；相似度分析模块结合特征差异随时空变化规律，为各个特征分配权重，综合得到一个相似度值，对光谱相似度进行评级。本发明考虑了时间维和空间维变化对光谱特征的影响，结合化规律对光谱特征进行权重分配，实现将传统静态光谱特征扩展到动态场景的分析系统及方法。
一种目标背景时空光谱相似分析系统方法

[发明专利]一种双路高光谱影像光谱特征提取方法-CN202210011787.6在审
发明人：高红民;陈忠昊;张怡彤 -专利权人：河海大学
申请日： 2022-01-06 - 公布日： 2023-07-25 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种双路高光谱影像光谱特征提取方法，属于遥感图像处理领域。所述方法包括：获取待分类像素点局部邻域的高光谱数据块；对所述高光谱数据块进行波段非局部化操作从而得到处理后的高光谱数据块；构建双支路高光谱影像光谱特征提取网络分来别对处理前后的高光谱数据块进行光谱特征提取；融合两条支路提取到的光谱特征。采用本发明，能够实现使用有限大小的卷积核实现对高维光谱特征中近距离相邻波段间以及远距离非相邻波段间相关特征的同时提取和利用。
一种双路高光谱影像特征提取方法

[发明专利]一种近红外光谱特征提取方法及装置-CN201910968375.X有效
发明人：潘天红;郭威;李鱼强;陈山;皱小波 -专利权人：安徽大学;江苏大学
申请日： 2019-10-12 - 公布日： 2022-03-11 - 主分类号： G01N21/359 文献下载
摘要：本发明公开了一种近红外光谱特征提取方法及装置，所述方法包括：获取N个待测样品；使用光谱仪获取N个待测样品的近红外光谱数据；对近红外光谱数据进行预处理获取二维近红外光谱平滑数据；对二维近红外光谱平滑数据经排列与转换获取四维谱图数据；对四维谱图数据进行特征提取；对特征提取后的四维谱图数据进行特征排列获取二维特征数据；本发明的优点在于：能够保证数据的完整性，能够在全光谱区间进行特征提取，保证信息不会丢失。
一种红外光谱特征提取方法装置

[发明专利]基于自适应多尺度特征提取模型的高光谱图像分类方法-CN202110102544.9有效
发明人：杜博;杨佳琪;张良培;武辰 -专利权人：武汉大学
申请日： 2021-01-26 - 公布日： 2022-04-29 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了基于自适应多尺度特征提取模型的高光谱图像分类方法，建立包含尺度参考网络和特征提取网络两部分的框架，在尺度参考网络，引入条件门控机制，通过三组模块逐级判断，将特征输入到对应尺度提取网络，深入挖掘高光谱遥感图像蕴含的丰富信息，有效结合不同尺度的特征，提高分类效果，生成精细分类结果图；在特征提取网络，设计大尺度特征提取网络和小尺度特征提取网络从两个尺度进行地物信息提取，综合考虑数据集异构性和被识别地物尺度差异性，能够自适应改变网络结构，实现多尺度特征协同学习。本发明在进行多尺度特征提取时，同时保留了高光谱遥感图像的较小尺度细节信息和较大尺度空间信息，满足高光谱遥感图像目标识别与分类需要。
基于自适应尺度特征提取模型光谱图像分类方法

[发明专利]基于通道MLP提取空谱特征的高光谱图像超分方法及系统-CN202310658797.3在审
发明人：胡建文;姚运泽;刘耀庭 -专利权人：长沙理工大学
申请日： 2023-06-05 - 公布日： 2023-08-29 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于通道MLP提取空谱特征的高光谱图像超分方法及系统，本发明采用的超分辨率网络模型包括：通道MLP模块、空谱特征提取单元、上采样模块以及重构模块；其中空谱特征提取单元由n个空谱特征提取模块级联构成，用于对浅层特征提取空谱特征，并对所有空谱特征提取模块的输出通过残差连接相加得到输出特征；空谱特征提取模块由通道MLP模块结合波段分组、波段滑动、波段打乱、通道分组操作组成；重构模块用于对输入的低分辨率高光谱图像进行插值放大，并与上采样特征Fup相加得到高分辨率高光谱图像。本发明旨在实现一种效果更好、计算资源消耗更小的高光谱图像超分辨率技术，以解决高光谱图像空间分辨率低的问题。
基于通道 mlp 提取特征光谱图像方法系统

[发明专利]一种基于核泰勒分解的高光谱图像特征提取方法-CN202210615090.X有效
发明人：邢长达;汪美玲;王志胜 -专利权人：南京航空航天大学;南京航空航天大学深圳研究院
申请日： 2022-06-01 - 公布日： 2023-09-29 - 主分类号： G06V10/58 文献下载
摘要：本发明公开了一种基于核泰勒分解的高光谱图像特征提取方法，包括如下步骤：步骤1、输入高光谱图像X∈RM×N×L，其二维矩阵形式可表示为#imgabs0##imgabs1#步骤2、建立层次化特征提取模型，对输入的高光谱图像进行多层分解；步骤3、引入核方法，建立基于核泰勒分解的高光谱图像特征提取模型，用于提取高光谱图像的深度非线性特征；步骤4、设计一种交替迭代更新算法对基于核泰勒分解的特征提取模型进行求解；步骤5、当通过步骤4中的交替迭代更新算法对基于核泰勒分解的特征提取模型进行优化所得到的最优解Gi和C后，即得到输入的高光谱图像所对应的特征形式Z。本发明提取的特征同时具有浅层特征和深层特征的优势，从而为分类等相关任务提供更加可靠的依据。
一种基于泰勒分解光谱图像特征提取方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条