一种高光谱图像分类方法及系统

发明专利有效专利

申请号：
CN202010549981.0
IPC分类号：G06K9/62;G06K9/00
申请日期：
2020-06-16
申请人：
浙江大学

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	一种高光谱图像分类方法及系统
申请号	CN202010549981.0	申请日期	2020-06-16
法律状态	公开	申报国家	中国
公开/公告日	2020-11-03	公开/公告号	CN111881933A
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;/;0;0查看分类表>
申请人	浙江大学	申请人地址	浙江省杭州市西湖区余杭塘路866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	浙江大学	当前权利人	浙江大学
发明人	曹衍龙;刘佳炜;杨将新;曹彦鹏;董献瑞;贾淑凯
代理机构	浙江杭州金通专利事务所有限公司	代理人	徐关寿

摘要

本发明公开了一种高光谱图像分类方法，包括如下步骤：（1）输入待分类的高光谱图像；（2）用主成分分析法提取待分类的高光谱图像的光谱特征向量；（3）用灰度梯度共生矩阵提取待分类的高光谱图像的纹理特征向量（4）将提取到的光谱特征向量和纹理特征向量合并后作为分类特征向量输入预先训练好的支持向量机模型中，得到分类结果，其中支持向量机模型是使用训练集通过调整纹理特征提取窗口的方式进行反复训练使得训练集在支持向量机模型上的分类精度达到最佳而得的。

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