“高光谱数据”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5793247个，建议您升级VIP下载更多相关专利

[发明专利]基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法-CN201610805497.3有效
发明人：林连雷;宋欣益;魏长安 -专利权人：哈尔滨工业大学
申请日： 2016-09-06 - 公布日： 2019-07-02 - 主分类号： G06K9/62 文献下载
摘要：基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法，本发明涉及空谱联合数据转波形图的高光谱数据分类方法。本发明的目的是为了解决现有数据分类正确率低、分类时间长、计算量大的问题。基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的：步骤一、对高光谱原始数据进行逐层归一化，得到归一化后的高光谱数据；对归一化后的高光谱数据进行处理，得到高光谱空谱联合数据信息；步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据。本发明用于高光谱数据分类领域。
基于卷积神经网络联合数据波形光谱分类方法

[发明专利]基于深度学习和点云数据的高光谱树种分类方法及系统-CN202211199422.7在审
发明人：杨嘉妮;杨利波;唐渊;刘兰兰;万富力;龚汝朦;龚政雄;唐敏;何成;乔磊;彭沙沙 -专利权人：国网湖南省电力有限公司;国网湖南省电力有限公司超高压输电公司;国家电网有限公司
申请日： 2022-09-29 - 公布日： 2023-01-03 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于深度学习和点云数据的高光谱树种分类方法，包括获取现有已知树种分类的点云数据和高光谱数据并处理得到预处理数据；对预处理数据进行降维、特征提取和合成，得到特征融合数据；制作数据集；构建高光谱树种分类初步模型并采用数据集训练得到高光谱树种分类模型；采用高光谱树种分类模型进行待分析区域的的树种分类。本发明还公开了一种实现所述基于深度学习和点云数据的高光谱树种分类方法的系统。本发明提供的这种基于深度学习和点云数据的高光谱树种分类方法及系统，基于点云数据和高光谱数据的融合，以及构建的创新性的高光谱树种分类模型，不仅实现了高光谱树种分类，而且本发明的可靠性高、精确性好且效率较高
基于深度学习数据光谱树种分类方法系统

[发明专利]基于生成对抗网络的高光谱异常检测方法-CN201710896978.4有效
发明人：赵春晖;李雪源;闫奕名;宿南;朱海峰 -专利权人：哈尔滨工程大学
申请日： 2017-09-28 - 公布日： 2021-04-02 - 主分类号： G06K9/00 文献下载
摘要：本发明提供的是一种基于生成对抗网络的高光谱异常检测方法。1、构建符合高光谱图像数据特点的网络模型，2、使用高光谱数据集作为训练样本，训练出一个符合高光谱数据统计特性的概率模型，3、利用训练完成的判别器来计算待测像元属于真实高光谱数据集的概率，4、计算高光谱数据集中的每个像元的异常检测结果本发明利用生成对抗网络的思想，训练出符合高光谱图像数据特征的概率模型，该模型能够生成符合真实高光谱数据集整体统计特性的生成数据集，并且能够判断一个像元属于高光谱数据集的概率。本发明不需要对高光谱数据集的特征进行模型假设，能够直接估计出符合待测高光谱数据统计特性的概率模型，使检测结果更加可靠。
基于生成对抗网络光谱异常检测方法

[发明专利]一种基于深度神经网络的高光谱图像分类方法-CN202211095575.7在审
发明人：侍佼;张楠;雷雨;周德云;邵涛 -专利权人：西北工业大学
申请日： 2022-09-06 - 公布日： 2022-12-02 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于深度神经网络的高光谱图像分类方法，包括：将待分类高光谱数据输入目标深度神经网络得到分类结果；目标深度神经网络训练过程包括：利用标签高光谱训练数据对初始深度神经网络进行训练得到中间深度神经网络，初始深度神经网络包括依次连接的若干基础残差网络模块和一输出模块；利用协同性选择策略和竞争性选择策略从无标签高光谱数据中选择部分无标签高光谱数据作为伪标签高光谱训练数据，由标签高光谱训练数据和伪标签高光谱训练数据生成新的标签高光谱训练数据；利用新的标签高光谱训练数据对中间深度神经网络进行上述训练直至满足训练停止条件得到目标深度神经网络。本发明提高了高光谱图像的分类性能。
一种基于深度神经网络光谱图像分类方法

[发明专利]一种基于成对约束判别分析-非负稀疏散度的高光谱数据降维方法-CN201310482378.5有效
发明人：王雪松;高阳;程玉虎 -专利权人：中国矿业大学
申请日： 2013-10-15 - 公布日： 2014-01-29 - 主分类号： G06K9/66 文献下载
摘要：一种基于成对约束判别分析-非负稀疏散度的高光谱数据降维方法，属于高光谱遥感图像处理方法。本发明针对源高光谱数据和目标高光谱数据来自不同分布时，很多先进的基于机器学习的高光谱数据分类算法的分类性能变差。首先，根据一种能自动获得包含判别信息的成对约束样本，提出成对约束判别分析；然后，设计一种非负稀疏散度准则来构建不同分布的源领域和目标领域高光谱数据之间的桥梁；最后，结合这两部分，实现源高光谱数据到目标高光谱数据的知识迁移优点：解决不同时间、不同地域或不同传感器获得高光谱数据间的知识迁移；能够有效地利用源领域高光谱数据的信息去分析目标领域高光谱数据并获得较高的整体分类精度和Kappa系数。
一种基于成对约束判别分析稀疏光谱数据方法

[发明专利]基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法-CN201610805454.5有效
发明人：林连雷;魏长安;宋欣益 -专利权人：哈尔滨工业大学
申请日： 2016-09-06 - 公布日： 2019-06-11 - 主分类号： G06K9/62 文献下载
摘要：基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法，本发明涉及高光谱数据分类方法。本发明是要解决现有的高谱维的图像分析和识别精确度与实际应用的需求不匹配、数学模型不符合实际地物分布规律欠缺逻辑等的问题，而提出的基于卷积神经网络的高光谱数据转灰度图的高光谱数据分类方法。该方法是通过步骤一、对高光谱原始数据进行预处理得到高光谱的谱向量，将高光谱的谱向量数据转换成为灰度图像数据；步骤二、通过卷积分类模型自主学习样本集中样本的纹理特征，对灰度图像数据样本进行分类。本发明应用于高光谱数据分类领域。
基于卷积神经网络光谱数据灰度分类方法

[发明专利]一种化橘红成分鉴定方法-CN201610846460.5有效
发明人：沈小钟;崔穗旭 -专利权人：广东食品药品职业学院
申请日： 2016-09-23 - 公布日： 2017-02-15 - 主分类号： G01N21/31 文献下载
摘要：本发明实施例公开了一种化橘红成分鉴定方法，包括通过至少一个波段对样本集的样本进行扫描，采集样本集的样本的高光谱图像；根据高光谱图像，获取样本集样本的高光谱数据；对样本集样本的高光谱数据进行处理，将样本集的样本划分为建模集样本以及检验集样本，并获取建模集样本的高光谱数据以及检验集样本的高光谱数据；通过连续投影算法在建模集样本的高光谱数据中选择特征波长；将检验集样本的高光谱数据、建模集样本的高光谱数据或特征波长对应的高光谱数据作为判别分析模型的输入变量
一种橘红成分鉴定方法

[发明专利]基于波段不相似性的高光谱数据波段表征选择方法-CN201510523821.8有效
发明人：杨淑媛;冯志玺;刘红英;焦李成;王士刚;张凯;邢颖慧;李素静;周红静 -专利权人：西安电子科技大学
申请日： 2015-08-24 - 公布日： 2018-11-16 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于波段不相似性的高光谱数据波段表征选择方法，主要解决现有高光谱波段选择时结构信息不能有效利用的问题。其步骤为：将输入的高光谱图像预处理为可操作的高光谱数据；构建高光谱波段之间的不相似矩阵；初始化概率表征矩阵；生成高光谱像元之间的相似度矩阵；计算高光谱波段的表征代价；构建高光谱像元的图保持正则项；构建目标函数本发明通过表征学习和图正则来进行高光谱数据的波段选择，使得选择后的高光谱波段能保持与输入高光谱数据相似的结构，提高了波段选择后高光谱数据的表征性，可用于高光谱数据的维数约简、分类识别。
基于波段相似性光谱数据表征选择方法

[实用新型]一种作物高光谱监测系统-CN201520416508.X有效
发明人：邹金秋;孙建设;陈佑启;谢锋;刘佳 -专利权人：中国农业科学院农业资源与农业区划研究所
申请日： 2015-06-16 - 公布日： 2015-09-23 - 主分类号： G01N21/01 文献下载
摘要：本实用新型涉及农业信息监测技术领域，特别涉及一种作物高光谱监测系统，包括：数据处理装置和布设于待监测农田中的数据采集装置；数据采集装置包括支撑装置以及设置在支撑装置上的高光谱成像光谱仪、数据采集板、数据传输装置以及太阳能供电装置，高光谱成像光谱仪，实时采集作物冠层的高光谱数据；数据采集板，将采集到的作物冠层的高光谱数据传输到数据传输装置；数据传输装置，通过无线网络或有线网络将作物冠层的高光谱数据传输到数据处理装置；太阳能供电装置，为高光谱成像光谱仪、数据采集板和数据传输装置供电。本实用新型能够实时、自动采集农田作物冠层图像的高光谱数据，实现对作物长势以及作物养分供给状况的实时监测。
一种作物光谱监测系统

[发明专利]一种高光谱波段选择方法、装置、设备及存储介质-CN202110451012.6有效
发明人：王梦飞;贾伟洁;和书慧;陈嘉威;边宇;李佳 -专利权人：中国自然资源航空物探遥感中心
申请日： 2021-04-26 - 公布日： 2023-06-23 - 主分类号： G01N21/25 文献下载
摘要：本申请提供了一种高光谱波段选择方法、装置、设备及存储介质，其中，高光谱波段选择方法包括：读取高光谱地物实测的波段数据及矿物组分数据；判断高光谱地物实测的波段数据的数据量和矿物组分数据的数据量是否超出主机的内存，若超出，则根据预设阈值对高光谱地物实测的波段数据和矿物组分数据进行数据分块；根据分块后的数据构建数据并行和任务并行结合的高光谱波段选择模型；根据分块后的高光谱地物实测的波段数据及矿物组分数据；输出高光谱地物实测的波段数据与矿物组分数据的最大相关系数以及最大相关系数对应的波段范围本申请能够有效地提升海量高光谱影像数据波段选择阶段的速率。
一种光谱波段选择方法装置设备存储介质

[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-CN201910261685.8有效
发明人：张竞成;刘鹏;车弘书;张雪雪;袁琳;吴开华;周贤锋;张垚 -专利权人：杭州电子科技大学
申请日： 2019-04-02 - 公布日： 2021-07-20 - 主分类号： G06K9/00 文献下载
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
一种应用于深度学习光谱数据扩展方法

[发明专利]基于低秩矩阵分解及导向滤波器的高光谱/多光谱影像融合方法-CN201910873807.9在审
发明人：孙伟伟;任凯;孟祥超;杨刚 -专利权人：宁波大学
申请日： 2019-09-17 - 公布日： 2020-02-04 - 主分类号： G06T5/40 文献下载
摘要：本发明涉及一种基于低秩矩阵分解及导向滤波器的高光谱/多光谱影像融合方法，包括：步骤1)对高光谱图像数据HS和多光谱图像数据MS进行预处理；步骤2)对高光谱图像数据HS和多光谱图像数据MS进行直方图匹配降色差；步骤3)对高光谱图像数据HS进行插值匹配多光谱图像数据MS的像素尺寸，进行波段分组；步骤4)对各组高光谱图像数据HS和多光谱图像数据MS进行多尺度分解；步骤5)利用权重矩阵将细节图像注入高光谱图像数据本发明的有益效果是：本发明提出的方法在保持高光谱图像光谱特性的基础上极大的提高了它的空间分辨率；本发明提出的方法具有重要的实际应用意义。
高光谱图像数据多光谱图像数据空间分辨率预处理色差导向滤波器多尺度分解多光谱影像高光谱图像直方图匹配低秩矩阵光谱特性权重矩阵细节图像应用意义分解层高光谱波段像素匹配分解分组融合

[发明专利]一种基于热红外高光谱遥感的地热区域判定系统及方法-CN202211554433.2在审
发明人：边宇;杨永鹏;郭雅;李萌;鞠星;金鼎坚;陈洁;唐浩;贺鑫 -专利权人：中国自然资源航空物探遥感中心
申请日： 2022-12-06 - 公布日： 2023-04-04 - 主分类号： G01J5/00 文献下载
摘要：本发明公开了一种基于热红外高光谱遥感的地热区域判定系统及方法，判定系统包括区域检测模块，用于搭载高光谱传感器进行区域检测；光谱数据采集模块，用于获取高光谱传感器的高光谱热红外数据；光谱数据处理模块，用于对光谱热红外数据进行预处理；分析判断模块，用于根据预处理后的光谱热红外数据，采用普朗克定律识别地热区域以及地热区域的范围；温度校准模块，用于对地热区域进行核验校正。本发明通过采用高光谱传感器判定地热区域，通过对传感器高光谱数据的噪声消除、光谱重建使得诸多分析方法可适用于高光谱数据，并根据普朗克定律计算光谱频率对应的温度值，同时采用实测数据对计算数据进行校正，进一步提高了地热区域识别的准确性
一种基于红外光谱遥感地热区域判定系统方法

[发明专利]一种高光谱图像分割系统及方法-CN202010878351.8有效
发明人：徐速;何希平;曹晓莉;江朝元;唐灿 -专利权人：重庆工商大学
申请日： 2020-08-27 - 公布日： 2023-06-23 - 主分类号： G06V20/10 文献下载
摘要：本发明提供了一种高光谱图像分割系统及方法，其中系统包括高光谱检测设备、高光谱图像分割设备、预处理系统和图像分割主系统，其中分割方法，包括S1：由高光谱检测设备绘制或识别高光谱；S2：由光谱图像降维模块进行图像的降维；S3：由图像与数据导入模块将图像和数据信息导入至图像分割主系统中；S4：由映射模块和图像与数据整合模块根据数据和图像进行映射配对，最后由结果反馈模块将最终高光谱分割数据反馈。本发明通过高光谱检测设备绘制或识别高光谱图像后，由预处理系统对其进行光谱图像与数据分离机光谱数据降维处理，最后由图像与数据整合模块将高光谱图像的分割数据整合，并由结果反馈模块将结果反馈至触摸显示屏显示。
一种光谱图像分割系统方法

[发明专利]一种成像高光谱钻孔岩心数据蚀变提取的方法-CN201610956296.3有效
发明人：邱骏挺 -专利权人：核工业北京地质研究院
申请日： 2016-10-28 - 公布日： 2019-08-13 - 主分类号： G06T11/00 文献下载
摘要：本发明属于高光谱遥感应用领域，具体公开一种成像高光谱钻孔岩心数据蚀变提取的方法，该方法包括：摆放参考白板和待扫描的岩心样品；使用高光谱扫描白板和岩心，获得原始成像高光谱数据；对原始成像高光谱数据进行预处理，获得成像高光谱反射率数据；对成像高光谱反射率数据进行格式转换获得BIP格式的数据；对BIP数据进行格式转换，转换为ENVI Spectral Library数据；对ENVI Spectral Library数据运用The Spectral Geologist软件进行光谱分析，获得蚀变分析结果；将蚀变分析结果进行格式转换，获得蚀变提取图像。该方法能实现成像高光谱岩心扫描数据的自动化提取。
一种成像光谱钻孔岩心数据提取方法