申请/专利权人:东北林业大学
申请日:2021-02-25
公开(公告)日:2021-06-08
公开(公告)号:CN112926452A
主分类号:G06K9/00(20060101)
分类号:G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101)
优先权:
专利状态码:失效-未缴年费专利权终止
法律状态:2024.03.12#未缴年费专利权终止;2021.06.25#实质审查的生效;2021.06.08#公开
摘要:本发明提出一种基于GCN和GRU增强U‑Net特征的高光谱分类方法,所述方法为解决高光谱波段数据之间的类内高变异性和类间的相似性提供了新的解决方案。针对传统模型忽略特征之间所存在的潜在关系,提出使用图神经网络GCN和门控循环单元GRU获取U‑Net下采样特征之间的潜在关系,同时注意力机制用于根据上下文特征的重要程度学习得到新的特征。该方法将下采样得到的较混乱的特征转化为高内聚低耦合的特征,为下游的任务提供干净可靠的数据。同时该方法在小样本高光谱上只需要迭代很少次就能取得十分优异的结果。
主权项:1.一种基于GCN和GRU增强U-Net特征的高光谱分类系统,其特征在于:该系统包括数据预处理模块、数据划分模块、特征采样模块、矩阵构建模块和分类模块;数据预处理模块、数据划分模块、特征采样模块、矩阵构建模块和分类模块顺次连接;其中,数据预处理模块负责数据预处理操作;数据划分模块用于将数据划分全部输入和按组类输入;特征采样模块负责对高光谱数据特征结点采样;矩阵构建模块将数据构建为图数据的特征矩阵和相邻矩阵;分类模块用于将像素点分类完成高光谱分类。
全文数据:
权利要求:
百度查询: 东北林业大学 一种基于GCN和GRU增强U-Net特征的高光谱分类方法及系统
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。