基于核Fisher自适应学习的高光谱遥感图像端元分类方法

发明专利无效专利

申请号：
CN201310434441.8
IPC分类号：G06K9/66
申请日期：
2013-09-23
申请人：
苏州工业职业技术学院

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	基于核Fisher自适应学习的高光谱遥感图像端元分类方法
申请号	CN201310434441.8	申请日期	2013-09-23
法律状态	撤回	申报国家	中国
公开/公告日	2014-09-10	公开/公告号	CN104036298A
优先权	暂无	优先权号	暂无
主分类号	G06K9/66 ? 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〕 G06K9/64 应用带有许多基准的多个图像信号的同时比较或相关的，例如，电阻矩阵〔3〕 G06K9/66 这些基准通过适宜的方法是能够进行调节的，例如，学习〔3〕	IPC分类号	G;0;6;K;9;/;6;6查看分类表>
申请人	苏州工业职业技术学院	申请人地址	江苏省苏州市吴中区吴中大道1168号致能大道1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	苏州工业职业技术学院	当前权利人	苏州工业职业技术学院
发明人	刘训非;吴冬燕;曹建东;吴振英
代理机构	南京众联专利代理有限公司	代理人	吕书桁

摘要

基于Fisher数据依赖核学习机的高光谱遥感图像端元分类器，解决了目前高光谱图像端元分类方法存在分辨率低的问题。本发明的过程为：选定判定高光谱遥感图像训练样本集的标注形式，获得优化目标函数，然后获得最优参数或数据依赖核参数；根据获得的参数，得到不变结构或变结构的最优核函数，进而获得最优Fisher分类器，利用该分类器即可实现对实测高光谱遥感图像进行分类。本发明能够准确地对高光谱遥感图像的端元进行分类，提高了高光谱遥感图像的分辨率，能够应用于地形军事目标侦察、高效的战事打击效果评估、海军潜艇实时海上环境监测、突发自然灾害的应急响应技术领域。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
1	CN101140325A	2008-03-12	2007-10-16	高光谱图像的空间－光谱信息协同提高分辨率的方法失效专利	哈尔滨工业大学
2	CN101814148A	2010-08-25	2010-04-30	基于半监督核自适应学习的遥感高光谱图像分类方法无效专利	霍振国

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