[发明专利]一种高光谱图像分类方法在审
| 申请号： | 201711462907.X | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108268890A | 公开（公告）日： | 2018-07-10 |
| 发明（设计）人： | 刘青山;周峰;杭仁龙;葛玲玲 | 申请（专利权）人： | 南京信息工程大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04 |
| 代理公司： | 南京汇盛专利商标事务所(普通合伙) 32238 | 代理人： | 张立荣 |
| 地址： | 210044 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 像素点 分类结果 高光谱图像 记忆网络 光谱特征 空间特征 光谱 主成分分析 主成分提取 局部图像 决策融合 光谱域 空间域 分类 向量 组行 联合 学习 | ||
【权利要求书】：
1.一种高光谱图像分类方法，其特征在于，包括以下步骤：
步骤一、将高光谱图像中坐标位于的像素点的不同光谱通道的值取出得到一个
步骤二、将步骤一中的
步骤三、对高光谱图像进行主成分分析得到第一个主成分，然后在第一个主成分中提取同样以为中心的局部图像块，将该局部图像块按行拆成一组行向量；
步骤四、将步骤三得到的一组行向量输入到空间长短时记忆网络中得到该像素点的空间特征，采用步骤二所述方法将该空间特征输入到分类器中得到基于空间特征的分类结果，并对空间长短时记忆网络进行训练；
步骤五、将上述步骤中得到的基于光谱特征的分类结果和基于空间特征的分类结果利用加权求和方式进行融合，得到最终该位置像素点的空谱分类结果。
2.根据权利要求1所述高光谱图像分类方法，其特征在于：所述分类器采用Softmax分类器。
3.根据权利要求1所述高光谱图像分类方法，其特征在于：步骤五中对两种分类结果加权求和过程中，两者的权重系数之和等于一。
4.根据权利要求3所述高光谱图像分类方法，其特征在于：两种分类结果的权重系数相同。
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南京信息工程大学，未经南京信息工程大学许可，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/pat/books/201711462907.X/1.html，转载请声明来源钻瓜专利网。
- 上一篇：对雕刻凹印真伪检测方法、检测平台及检测系统
- 下一篇：一种数据处理方法
