龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学
摘要：本发明提供了一种基于空间光谱协同稀疏解混的高光谱图像分类方法，包括：获取高光谱图像Y以及光谱库A；根据高光谱图像Y对所述光谱库A进行修剪得到光谱库子集A1，之后构建空间光谱协同稀疏解混模型，求解其亚像元表征{A1，X}，并从中提取丰度矩阵X的非零行构成矩阵X1，再结合类别标签信息训练预设的SVM分类器模型，实现对高光谱图像Y的分类。本发明利用丰度矩阵对像元进行分类可以显著提高准确性，并且减少特征维度简化了分类器的输入从而提高了分类的效率；此外，本发明利用全变分项诱导局部邻域中像元构成的相似性，能够抑制不同程度的噪声和光谱差异性，可以促进相似像元所属类别的归并，取得更好的分类效果。
主权项：1.一种基于空间光谱协同稀疏解混的高光谱图像分类方法，其特征在于，包括：S100，获取待分类的高光谱图像Y、适用的光谱库A以及该光谱库A中部分像元的类别标签，其中，所述光谱库A包括众多基本物质的光谱特征，所述高光谱图像的像元光谱由光谱库A中的基本物质的光谱特征组合而成，组成系数由丰度矩阵X表示；S200，根据所述高光谱图像Y对所述光谱库A进行修剪，得到与之匹配的光谱库子集A1；S300，利用光谱库子集A1构建空间光谱协同稀疏解混模型，并求解其亚像元表征{A1，X}；S400，提取所述亚像元表征{A1，X}中的丰度矩阵X的非零行，并重组得到亚像元表征信息X1；S500，利用所述亚像元表征信息X1的任一列与该列对应的类别标签，训练预设的SVM分类器模型；S600，利用训练好的SVM分类器模型，对所述亚像元表征信息X1中剩余列进行分类得到类别标签，并作为所述高光谱图像Y中对应像元的分类结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 一种基于空间光谱协同稀疏解混的高光谱图像分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号