申请/专利权人：辽宁工程技术大学

申请日：2023-03-13

公开（公告）日：2023-06-27

公开（公告）号：CN116343032A

主分类号：G06V20/10

分类号：G06V20/10;G06V20/13;G06V10/58;G06V10/764;G06V10/766

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.07.14#实质审查的生效;2023.06.27#公开

摘要：为了探究函数型数据分析方法在高光谱影像处理中的有效性，本发明提出结合高斯回归混合模型和MRF高光谱函数数据的分类方法；首先，运用多项式回归拟合高光谱影像像素光谱曲线，以便用函数形式表达像素光谱信息；然后，通过引入邻域关系建立马尔可夫随机场模型，同时结合高斯回归混合模型建立邻域高斯回归混合模型；最后，根据最大后验概率准则，获取最终高光谱影像分类结果。由于充分结合了高光谱影像的空‑谱信息，使得本发明算法具有高精度的分类结果，有效改善高光谱影像的分类性能。

主权项：1.结合高斯回归混合模型和MRF高光谱函数数据的分类方法，其特征在于，包括以下步骤：步骤1、将高光谱图像的像素光谱曲线表示为多项式函数；步骤2、用高斯回归混合模型对步骤1得到的多项式函数的概率密度分布进行建模，并应用MRF模拟像素之间存在的空间依赖关系，使用Pott模型重新定义高斯回归混合模型的权重；得到邻域高斯回归混合模型；步骤3、应用EM算法对邻域高斯回归混合模型进行求解，根据最大后验准则，对高光谱图像进行分类。

全文数据：

权利要求：

百度查询： 辽宁工程技术大学 结合高斯回归混合模型和MRF高光谱函数数据的分类方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD