“高光谱图像”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4234320个，建议您升级VIP下载更多相关专利

[发明专利]一种基于三维卷积神经网络与超像素分割的高光谱分类方法-CN202111179286.0在审
发明人：国强;王亚妮;彭龙;戚连刚 -专利权人：黑龙江雨谷科技有限公司
申请日： 2021-10-09 - 公布日： 2022-01-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于三维卷积神经网络与超像素分割的高光谱分类方法，包括如下步骤：输入高光谱遥感图像数据集；对高光谱遥感图像数据集中的图像进行降维处理；基于超像素分割方法，对降维后的高光谱遥感图像进行空间特征提取，得到含有空间特征的空间区域划分结果图；利用所述空间区域划分结果图与所述高光谱遥感图像数据集中的图像，构建空‑谱特征联合数据集；利用空‑谱特征联合数据集，构建测试集与训练集；搭建三维卷积神经网络架构，训练得到高光谱分类器；对高光谱遥感图像分类。本发明解决现有高光谱分类对空间特征利用不充分导致的分类精度较低的问题，同时对超像素分割算法进行改进以对解决高光谱区域划分不充分的问题。
一种基于三维卷积神经网络像素分割光谱分类方法

[发明专利]高光谱图像分类方法、装置、电子设备及存储介质-CN202110641552.0在审
发明人：李岩山;唐浩劲;谢维信 -专利权人：深圳大学
申请日： 2021-06-09 - 公布日： 2021-09-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种高光谱图像分类方法、装置、电子设备及存储介质，通过提取到的高光谱图像的像元建立对应的三阶局部空谱张量，利用类张量分解算法对该三阶局部空谱张量进行分解，得到像元光谱分量和像元空间分量，利用卷积网络分别对像元光谱分量和像元空间分量卷积，提取到对应的光谱特征矢量和空间特征矢量，并对光谱特征矢量和空间特征矢量进行级联，得到高光谱图像的空谱特征，基于空谱特征对高光谱图像进行分类。通过上述方法的实施，采用了类张量分解算法对高光谱图像进行了空间和光谱两个维度的特征分析，有效地去除了高光谱图像的像元中存在的冗余信息，提高了后续空谱特征提取的效率，从而提升了对高光谱图像的分类准确率。
光谱图像分类方法装置电子设备存储介质

[发明专利]基于可变形分离卷积的高光谱图像分类方法-CN202010581348.X有效
发明人：张钧萍;闫清宇 -专利权人：哈尔滨工业大学
申请日： 2020-06-23 - 公布日： 2023-03-24 - 主分类号： G06V10/774 文献下载
摘要：基于可变形分离卷积的高光谱图像分类方法，属于图像处理技术领域，本发明为解决现有高光谱图像分类方法精度低的问题。它包括：将高光谱图像每个像素点的r×r×d邻域的图像数据作为神经网络的输入，r表示空间大小，d表示高光谱图像的波段数；对输入的高光谱图像经过深度分离卷积提取图像低层次的特征，获得特征图；采用加入可变形运算的分离卷积学习特征图对应的偏置，获得自适应图像的空间分布，再采用光谱卷积运算提取深度的特征；将深度特征输入神经网络的全连接层和softmax回归层预测每个类的概率分布，完成图像分类。本发明用于对高光谱遥感图像进行分类。
基于变形分离卷积光谱图像分类方法

[发明专利]一种高光谱异常检测方法及计算机装置-CN202211298268.9在审
发明人：王津申;何益凡;段宇宵 -专利权人：北京航空航天大学
申请日： 2022-10-22 - 公布日： 2023-01-31 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及一种高光谱异常检测方法及计算机装置，所述方法包括：S1、获取待处理的高光谱图像；S2、将所述待处理的高光谱图像输入训练好的深度学习网络得到检测结果；所述训练好的深度学习网络包括特征提取网络和异常检测网络；所述特征提取网络用于提取待处理的高光谱图像的全局相关特征和局部特征以得到高光谱图像的特征图；所述异常检测网络用于基于高光谱图像的特征图获取高光谱图像中每一像素点的异常分数值；其中，预先采用高光谱图像的训练数据对深度学习网络中的特征提取网络和异常检测网络进行联合训练以获取训练好的深度学习网络
一种光谱异常检测方法计算机装置

[发明专利]基于偏最小二乘法的高光谱遥感图像波段选择方法-CN201110169305.1有效
发明人：葛亮;王斌;张立明 -专利权人：复旦大学
申请日： 2011-06-22 - 公布日： 2011-12-21 - 主分类号： G06K9/62 文献下载
摘要：本发明属于高光谱遥感图像处理技术领域，具体为一种基于偏最小二乘法的高光谱遥感图像波段选择的方法。本发明利用偏最小二乘法提取成分保留高光谱图像变异信息且与分类信息相关程度高的特点，将光谱矩阵与隶属度矩阵乘积的能量作为选择波段的标准，通过迭代求取已选择波段递归的残差来选择下一组波段，实现波段选择的过程本发明能有效克服传统多光谱图像波段选择方法计算复杂度高，需要去除相关波段的缺点。高光谱遥感图像分类实验结果表明，高光谱遥感图像使用本发明进行波段后具有良好的分类效果。本发明对于高效利用高光谱图像的信息资源有着重要的应用价值。
基于最小二乘法光谱遥感图像波段选择方法

[发明专利]基于超像素样本扩充的空谱全卷积高光谱图像分类方法-CN202010485713.7有效
发明人：王佳宁;李林昊;郭思颖;黄润虎;杨攀泉;焦李成;侯彪;张向荣;毛莎莎 -专利权人：西安电子科技大学
申请日： 2020-06-01 - 公布日： 2023-05-30 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于超像素样本扩充的空谱全卷积高光谱图像分类方法，输入高光谱图像；获取训练集与测试集；对高光谱图像进行主成分分析并降维；对降维结果进行熵率分割；生成伪标签样本；更新训练集；对高光谱图像进行数据预处理；输入卷积神经网络；训练卷积神经网络，对高光谱图像进行分类；重复以上操作并投票表决；输出高光谱分类结果。本发明利用熵率超像素分割结果进行了伪标签样本的扩充，充分利用了高光谱图像的先验特征，增加样本数量，缓解了网络过拟合、网络收敛速度慢的问题，提高了有标记样本稀缺情况下高光谱图像分类的准确性。
基于像素样本扩充空谱全卷积光谱图像分类方法

[发明专利]基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法-CN202110774209.3有效
发明人：石翠萍;张甜雨;王天毅 -专利权人：齐齐哈尔大学
申请日： 2021-07-08 - 公布日： 2022-05-20 - 主分类号： G06V20/10 文献下载
摘要：基于光谱空间注意力融合和可变形卷积残差网络的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像分类由于高光谱图像包含丰富的信息，故光谱及空间特征提取不充分，以及小样本下的过拟合，导致对高光谱图像分类准确率低的问题。过程为：一、采集高光谱图像数据集和相对应的标签向量数据集；二、建立基于光谱空间注意力融合和可变形卷积残差网络SSAF‑DCR；三、将x1,x本发明用于高光谱图像分类领域。
基于光谱空间注意力融合变形卷积网络图像分类方法

[发明专利]一种基于卷积神经网络的高光谱图像分类方法-CN202010907242.4有效
发明人：王志勇;王正伟;刘志刚;付强;闫超;李胜军;白虎冰;张伊慧;胡友章 -专利权人：四川九洲电器集团有限责任公司
申请日： 2020-09-02 - 公布日： 2022-08-02 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于卷积神经网络的高光谱图像分类方法，该方法中的卷积神经网络包括顺次相连的输入层、空间信息提取层、光谱信息提取层、全连接层模块以及分类器；输入层用于将高光谱图像像素转换为输入图像块；空间信息提取层主要用于提取高光谱图像的空间信息；光谱信息提取层主要用于提取高光谱图像的光谱信息；全连接层模块用于将高维度的特征向量转换为低维度的特征向量；分类器用于将全连接层模块得到的特征向量进行归一化，进而对高光谱图像所属类别进行预测分类。应用本发明能够同时提取高光谱图像的空间信息和光谱信息，且能够很好的平衡分类速度和分类精度。
一种基于卷积神经网络光谱图像分类方法

[发明专利]一种基于高光谱图像的数字皮肤模型及其应用-CN202310300684.6有效
发明人：陈威;王国燕 -专利权人：皑高森德医疗器械（北京）有限责任公司
申请日： 2023-03-27 - 公布日： 2023-05-23 - 主分类号： A61B5/00 文献下载
摘要：本发明属于图像分析及处理领域，具体的说，涉及一种基于高光谱图像的数字皮肤模型及其应用。所述模型由高光谱数字皮肤和皮肤生物学数字皮肤共同构成。其中，对高光谱数字皮肤模型的应用，包括分布形态特征通道的分析、特征点位高光谱的对比分析。对皮肤生物学数字皮肤模型的应用，包括单一皮肤参数图像形态特征观察、复合皮肤参数图像形态特征观察及图像中特征点位皮肤组份的对比分析等。本发明提出数字皮肤模型的皮肤高光谱图像部分与单光谱、多光谱、照片、皮肤镜图像相比，具有丰富信息、更精细的高光谱特征，达到纳米级光谱分辨率的高光谱具有“光学指纹效用”，能够从中获得可用于问题皮肤发展程度分级的形态学特征
一种基于光谱图像数字皮肤模型及其应用

[发明专利]基于全卷积空间传播网络的高光谱图像分类方法-CN201911078729.X有效
发明人：李映;姜晔楠;邹姗蓉;张号逵 -专利权人：西北工业大学
申请日： 2019-11-06 - 公布日： 2023-04-14 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于全卷积空间传播网络的高光谱图像分类方法，针对高光谱图像分类问题，结合深度学习相关技术，首次将基于全卷积空间传播网络应用于高光谱图像分类中。传统的基于卷积神经网络的高光谱图像分类方法都是对图像进行逐像素分类，存在着大量的重复运算，且输入图像的大小对于分类结果有着很大的影响。而全卷积空间传播网络减少了重复运算的同时还可以接受任何尺寸的输入图像，并且充分利用了高光谱图像的空间信息，从而实现一定条件下高光谱图像的高精度分类。
基于卷积空间传播网络光谱图像分类方法

[发明专利]多/高光谱遥感图像波段间配准方法-CN201810608913.X有效
发明人：孙建颖;吕群波;相里斌;尹增山;谭政;赵娜;张丹丹;陈鑫雯;李平付;高爽 -专利权人：中国科学院光电研究院
申请日： 2018-06-13 - 公布日： 2021-12-24 - 主分类号： G06T7/33 文献下载
摘要：本发明公开了一种多/高光谱遥感图像波段间配准方法，通过特征提取和计算分析，将不同波段的灰度特征以及图像空间特征相结合，解决多/高光谱图像波段间的配准问题，用于多光谱图像彩色合成和高光谱图像数据立方体合成的预处理，进而提升多/高光谱遥感数据的普适性。
光谱遥感图像波段间配准方法

[发明专利]基于光谱增强和密集连接变压器的高光谱图像分类方法-CN202211033767.5在审
发明人：冯婕;吴永恩;焦李成;张向荣;尚荣华;慕彩红;王蓉芳 -专利权人：西安电子科技大学
申请日： 2022-08-26 - 公布日： 2022-11-29 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于光谱增强和密集连接变压器的高光谱图像分类方法，主要解决现有高光谱图像分类性能不佳、分类区域一致性不好的问题。其实现方案为：获取高光谱图像数据集，生成训练样本集与测试样本集；分别构建光谱增强模块、密集连接变压器模块，生成光谱增强和密集连接变压器模型；对光谱增强和密集连接变压器模型进行训练；将测试集输入到训练好的光谱增强和密集连接变压器模型中输出高光谱图像的分类结果本发明利用搭建的光谱增强和密集连变压器，能够提取、融合高光谱图像的全局和局部特征及远距离空间信息，提高高光谱图像分类的准确性和一致性，可用于高光谱图像的地物分类土地覆盖测绘、精准农业、城市规划、树种分类和矿产勘探
基于光谱增强密集连接变压器图像分类方法

[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
金字塔尺度卷积注意力结合光谱图像分类方法

[发明专利]一种内窥高光谱成像方法及系统-CN202111322810.5在审
发明人：张金刚;聂云峰;苏润木;王雄智 -专利权人：中科光电（北京）科学技术有限公司
申请日： 2021-11-09 - 公布日： 2023-01-17 - 主分类号： A61B5/00 文献下载
摘要：本发明提出了一种内窥高光谱成像方法及系统，所述方法包括：采集内窥RGB图像；对内窥RGB图像进行几何校正、图像增强的预处理，得到高质量的RGB图像；基于深度学习的方法对内窥RGB图像进行高光谱重建，得到内窥高光谱图像本发明将更为容易获得的RGB影像用于高光谱数据的构建，从而突破了依赖于叠加更多硬件来获得性能提高的高光谱图像的局限性。
一种内窥高光谱成像方法系统

[发明专利]一种基于空谱特征联合的高光谱图像分类方法-CN202111619914.2在审
发明人：渠慎明;李祥;栗晓文;韩丰羽;席广正;谢苑;侯松鹂 -专利权人：河南大学
申请日： 2021-12-28 - 公布日： 2022-03-15 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于空谱特征联合的高光谱图像分类方法，针对高光谱图像的数据特点，将二维的Gabor滤波器与随机块卷积特征提取相结合，构建了一种新型的适用于高光谱图像分类的空谱特征联合方法GRPC。首先通过主成分分析和线性判别分析进行降维，对降维后的图像使用Gabor滤波器提取图像的边缘纹理和空间信息。其次，对提取后的信息通过随机块卷积提取光谱特征信息。最后，融合空间特征和多层次光谱特征使用支持向量机分类器对图像进行分类，解决了现有的分类技术中容易出现过拟合的问题；构建出适用于高光谱图像数据的分类模型，充分利用了高光谱图像丰富的信息；基于提出的空谱特征联合的高光谱图像分类方法，提高了高光谱图像的分类精度。
一种基于特征联合光谱图像分类方法