专利快速检索-快速检索全球专利，免费商用专利数据库-IPRDB

1. 发明公开

CN111274869A 基于并行注意力机制残差网进行高光谱图像分类的方法有权
公开(公告)号：CN111274869A
公开(公告)日：2020-06-12
申请号：CN202010014471.3
申请日：2020-01-07
申请人：中国地质大学(武汉)
发明人：董志敏 , 蔡之华 , 蔡耀明 , 龚赛 , 刘小波 , 尹旭
IPC分类号： G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
摘要：本发明公开了一种基于并行注意力机制残差网进行高光谱图像分类的方法，首先构建残差块，所述残差块嵌入两条并行的注意分支网络支路，所述两条并行的注意分支网络支路分别在应用光谱注意力机制及空间注意力机制后，对输入数据的空间特征信息和光谱特征信息进行识别学习；其次，利用构建的若干个依次连接的残差块构成的高光谱图像分类网络，对输入的训练数据集进行训练；其中，所述高光谱图像分类网络还包括依次连接的3D平均池化层和全连接层，所述3D平均池化层连接到与其相邻的残差块，用于对当前残差块输出的数据进行空间维度的调整，来降低整个网络的计算开销；最后，将特征信息输入到高光谱图像分类网络地全连接层中，得到图像分类结果。

2. 发明授权

CN111460966B 基于度量学习和近邻增强的高光谱遥感图像分类方法有权
公开(公告)号：CN111460966B
公开(公告)日：2024-02-02
申请号：CN202010228500.6
申请日：2020-03-27
申请人：中国地质大学(武汉)
发明人：龚赛 , 姜鑫维 , 蔡之华 , 严钦 , 周锡祥 , 董志敏 , 张欣
IPC分类号： G06V10/764 , G06V10/774 , G06V20/10
摘要：本发明提供一种基于度量学习和近邻增强的高光谱遥感图像分类方法，包括：S1、对所有样本数据进行平滑滤波，并划分为训练样本和测试样本；S2、采用度量学习算法从训练样本中学习得到马氏距离度量矩阵；S3、计算马氏距离加权的Tikhonov矩阵，进一步得到光谱正则化项；S4、计算空间距离加权的矩阵，进一步得到空间正则化项；S5、对正则化项进行近邻增强，构建基于协同表示的分类模型；S6、求解分类模型，得到协同表示系数，并根据重构误差最小原则对当前测试样本分配标签；S7、判断是否对所有测试样本进行了预测，若否，则重复步骤S3‑S6，否则输出分类结果图。本方法在高光谱遥感图像分类处理中，具有创新性、前沿性以及实用性。(56)对比文件CN 105278526 A,2016.01.27CN 108038448 A,2018.05.15CN 108875933 A,2018.11.23CN 108896499 A,2018.11.27CN 109993062 A,2019.07.09JP 2012100961 A,2012.05.31WO 2016091017 A1,2016.06.16WO 2017128799 A1,2017.08.03WO 2018077285 A1,2018.05.03Kang, CG .A mixed Newton-Tikhonovmethod for nonlinear ill-posedproblems.APPLIED MATHEMATICS ANDMECHANICS-ENGLISH EDITION.2009,全文.黄睿;吕智强.图Laplacian和自训练用于高光谱数据半监督波段选择.数据采集与处理.2014,(第06期),全文.曾梦等.使用深度对抗子空间聚类实现高光谱波段选择.计算机应用.2020,第2卷(第40期),全文.Junjun Jiang.Noise robust position-patch based face super-resolution viaTikhonov regularized neighborrepresentation.Information Sciences.2016,全文.Hyperspectral image classificationusing nearest regularized subspace withManhattan distance.Jornal of AppliedRemote Sensing.2019,全文.刘帆;裴晓鹏;张静;陈泽华.基于优化字典学习的遥感图像融合方法.电子与信息学报.2018,(第12期),全文.何芳;王榕;于强;贾维敏.加权空谱局部保持投影的高光谱图像特征提取.光学精密工程.2017,(第01期),全文.李宠;谷琼;蔡之华;吴琼.改进的主动学习算法及在高光谱分类中的应用.华中科技大学学报(自然科学版).2014,(第S2期),全文.王俊淑;江南;张国明;李杨;吕恒.融合光谱-空间信息的高光谱遥感影像增量分类算法.测绘学报.2015,(第09期),全文.李志敏;张杰;黄鸿;江涛.面向高光谱图像分类的半监督丛流形学习.光学精密工程.2015,(第05期),全文.刘颖.基于空谱联合协同表征的高光谱图像分类算法.计算机工程与设计.2020,第41卷(第3期),第1节.

3. 发明授权

CN111274869B 基于并行注意力机制残差网进行高光谱图像分类的方法有权
公开(公告)号：CN111274869B
公开(公告)日：2023-04-07
申请号：CN202010014471.3
申请日：2020-01-07
申请人：中国地质大学(武汉)
发明人：董志敏 , 蔡之华 , 蔡耀明 , 龚赛 , 刘小波 , 尹旭
IPC分类号： G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
摘要：本发明公开了一种基于并行注意力机制残差网进行高光谱图像分类的方法，首先构建残差块，所述残差块嵌入两条并行的注意分支网络支路，所述两条并行的注意分支网络支路分别在应用光谱注意力机制及空间注意力机制后，对输入数据的空间特征信息和光谱特征信息进行识别学习；其次，利用构建的若干个依次连接的残差块构成的高光谱图像分类网络，对输入的训练数据集进行训练；其中，所述高光谱图像分类网络还包括依次连接的3D平均池化层和全连接层，所述3D平均池化层连接到与其相邻的残差块，用于对当前残差块输出的数据进行空间维度的调整，来降低整个网络的计算开销；最后，将特征信息输入到高光谱图像分类网络地全连接层中，得到图像分类结果。

4. 发明授权

CN111144463B 一种基于残差子空间聚类网络的高光谱图像聚类方法有权
公开(公告)号：CN111144463B
公开(公告)日：2024-02-02
申请号：CN201911299103.1
申请日：2019-12-17
申请人：中国地质大学(武汉)
发明人：蔡耀明 , 李天聪 , 张子佳 , 曾梦 , 蔡之华 , 刘小波 , 董志敏
IPC分类号： G06V10/762 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084
摘要：本发明提供一种基于残差子空间聚类网络的高光谱图像聚类方法，具体包括以下步骤：对原始高光谱图像进行预处理，得到标准化后的空谱样本；构建残差子空间聚类网络，并将所述标准化后的空谱样本输入至所述残差子空间聚类网络，采用梯度下降法进行参数优化，得到非线性自表达系数矩阵C；使用所述非线性自表达系数矩阵C构造相似度矩阵A，并采用谱聚类算法将所述相似度矩阵A分割成k组，从而获得聚类后的k个簇；本发明的有益效果是：将线性的子空间聚类方法扩展至非线性的深度模型中，通过学习面向聚类的深度特征表示，有效解决了高光谱图像无监督分类精度低的问题。(56)对比文件Xiaohua Cui.Residual Energy AwareClustering Algorithm for HeterogeneousSensor Networks.IEEE.2014,第583-588页.Meng Zeng1.SPECTRAL-SPATIALCLUSTERING OF HYPERSPECTRAL IMAGE BASEDON LAPLACIAN REGULARIZED DEEP SUBSPACECLUSTERING.IEEE.2019,全文.曾梦.使用深度对抗子空间聚类实现高光谱波段选择.计算机应用.2020,全文.尹　旭.深度迁移学习在高光谱遥感图像分类中的研究现状与展望.青岛科技大学学报（自然科学版）.2019,全文.韩彦岭;李珏;张云;洪中华.利用改进相似性度量方法进行高光谱海冰检测.遥感信息.2018,(第01期),全文.Meng Zeng etal.SPECTRAL-SPATIALCLUSTERING OF HYPERSPECTRAL IMAGE BASEDOLAPLACIAN REGULARIZED DEEP SUBSPACECLUSTERING.IEEE.2019,第2.1-2.2节.缪弘;张文强.基于深度卷积神经网络的视觉SLAM去模糊系统.中兴通讯技术.2018,(第05期),66-70.

5. 发明公开

CN111144463A 一种基于残差子空间聚类网络的高光谱图像聚类方法有权
公开(公告)号：CN111144463A
公开(公告)日：2020-05-12
申请号：CN201911299103.1
申请日：2019-12-17
申请人：中国地质大学(武汉)
发明人：蔡耀明 , 李天聪 , 张子佳 , 曾梦 , 蔡之华 , 刘小波 , 董志敏
IPC分类号： G06K9/62 , G06N3/04 , G06N3/08
摘要：本发明提供一种基于残差子空间聚类网络的高光谱图像聚类方法，具体包括以下步骤：对原始高光谱图像进行预处理，得到标准化后的空谱样本；构建残差子空间聚类网络，并将所述标准化后的空谱样本输入至所述残差子空间聚类网络，采用梯度下降法进行参数优化，得到非线性自表达系数矩阵C；使用所述非线性自表达系数矩阵C构造相似度矩阵A，并采用谱聚类算法将所述相似度矩阵A分割成k组，从而获得聚类后的k个簇；本发明的有益效果是：将线性的子空间聚类方法扩展至非线性的深度模型中，通过学习面向聚类的深度特征表示，有效解决了高光谱图像无监督分类精度低的问题。

6. 发明公开

CN111460966A 基于度量学习和近邻增强的高光谱遥感图像分类方法有权
公开(公告)号：CN111460966A
公开(公告)日：2020-07-28
申请号：CN202010228500.6
申请日：2020-03-27
申请人：中国地质大学(武汉)
发明人：龚赛 , 姜鑫维 , 蔡之华 , 严钦 , 周锡祥 , 董志敏 , 张欣
IPC分类号： G06K9/00 , G06K9/62
摘要：本发明提供一种基于度量学习和近邻增强的高光谱遥感图像分类方法，包括：S1、对所有样本数据进行平滑滤波，并划分为训练样本和测试样本；S2、采用度量学习算法从训练样本中学习得到马氏距离度量矩阵；S3、计算马氏距离加权的Tikhonov矩阵，进一步得到光谱正则化项；S4、计算空间距离加权的矩阵，进一步得到空间正则化项；S5、对正则化项进行近邻增强，构建基于协同表示的分类模型；S6、求解分类模型，得到协同表示系数，并根据重构误差最小原则对当前测试样本分配标签；S7、判断是否对所有测试样本进行了预测，若否，则重复步骤S3-S6，否则输出分类结果图。本方法在高光谱遥感图像分类处理中，具有创新性、前沿性以及实用性。

你已经成功收藏专利！

检索式保存成功!

IPRDB

热门服务

关于我们

友情链接

联系方式