基于区域相似性低秩表示降维的高光谱图像分类方法

发明专利有效专利

申请号：
CN201310331362.4
IPC分类号：G06K9/62;G06K9/46
申请日期：
2013-07-22
申请人：
西安电子科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于区域相似性低秩表示降维的高光谱图像分类方法
申请号	CN201310331362.4	申请日期	2013-07-22
法律状态	授权	申报国家	中国
公开/公告日	2013-12-04	公开/公告号	CN103425995A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;K;9;/;4;6查看分类表>
申请人	西安电子科技大学	申请人地址	陕西省西安市太白南路2号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	西安电子科技大学	当前权利人	西安电子科技大学
发明人	张向荣;焦李成;贺予迪;侯彪;王爽;吴家骥;马文萍;马晶晶
代理机构	陕西电子工业专利中心	代理人	程晓霞;王品华

摘要

本发明公开了一种基于区域相似性低秩表示降维的高光谱图像分类方法，首先将高光谱图像每一像素点用特征向量表示，用均值漂移进行区域预分割；预分割后每一图像块均值为新样本，构造新样本集；学习新样本集的低秩系数矩阵；构造分割后图像区域相似性矩阵；构造特征值方程并求解得投影矩阵；高光谱数据投影到低维空间得降维后样本集；降维后样本集输入到支撑矢量机中分类，得到分类标签。本发明解决了高光谱图像数据维数过高导致计算量大及现有分类方法正确率低的问题。本发明利用高光谱图像的空间结构信息并有效表示高光谱图像的全局信息，提高高光谱图像分类正确率，可用于地图制图，植被调查，军事情报获取等军事和民用领域。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供