申请/专利权人：广州市城市规划勘测设计研究院有限公司

申请日：2023-12-19

公开（公告）日：2024-03-01

公开（公告）号：CN117636062A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V10/774;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本申请涉及一种大边际邻近度量学习的高光谱图像分类方法及装置，其方法包括基于预采集的目标物体的历史高光谱图像，预设待分类像素点，并集合待分类像素点及距离待分类像素点最近的预设数量的同类型的像素点，得到任一待分类像素点的训练集；计算任一训练集与其余训练集的集到集距离；根据集到集距离，构建训练样本的距离约束，并建立目标函数；将训练集输入预设的图像分类模型进行训练，训练集的标签与集内训练时的样本标签保持一致，输出分类图，同时，采用SGD方法优化目标函数。本申请具有充分挖掘高光谱遥感图像中的局部邻域信息，增强特征在空间上的可分离度，改善高光谱图像分类时的检测效率和分类精度的效果。

主权项：1.一种大边际邻近度量学习的高光谱图像分类方法，其特征在于，包括以下步骤，基于预采集的目标物体的历史高光谱图像，预设待分类像素点，并集合所述待分类像素点及距离所述待分类像素点最近的预设数量的同类型的像素点，得到任一所述待分类像素点的训练集；计算任一所述训练集与其余训练集的集到集距离；根据所述集到集距离，构建训练样本的距离约束，并建立目标函数；将所述训练集输入预设的图像分类模型进行训练，所述训练集的标签与集内训练时的样本标签保持一致，输出低维图像数据，再将所述低维图像数据输入所述图像分类模型进行训练，输出分类图，训练过程采用SGD方法优化所述目标函数；当所述目标函数的函数值满足预设条件时，获得所述图像分类模型作为目标分类模型；获取目标物体的待分类高光谱图像；将所述待分类高光谱图像输入所述目标分类模型中，得到分类图。

全文数据：

权利要求：

百度查询： 广州市城市规划勘测设计研究院有限公司 一种大边际邻近度量学习的高光谱图像分类方法及装置

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