申请/专利权人：山东警察学院

申请日：2024-01-29

公开（公告）日：2024-04-19

公开（公告）号：CN117911873A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明公开了一种信息熵和多特征稀疏表示联合学习的高光谱遥感图像分类方法及装置，其中的方法首先在每个测试像素上框定一个大小固定的空间窗口，用以获取像素的近邻空间信息；接着使用稀疏表示算法分解多个特征的空间近邻像素，得到每个特征的稀疏表示系数；然后计算基于Renyi熵的互信息值，用以衡量每个特征的性能优劣并指定权重；最后通过联合不同特征的稀疏系数以及每个特征的权重，完成测试样本的类别标定。本发明将稀疏表示作用于高光谱遥感图像的多个不同特征，通过联合不同特征的稀疏系数以及特征权重，利用不同特征间的信息多样性、互补性，充分挖掘原始图像的有用信息，提高了分类的准确率。

主权项：1.信息熵和多特征稀疏表示联合学习的高光谱遥感图像分类方法，其特征在于，包括：S1：从待分类的高光谱遥感图像中提取出多个特征，并获取每个特征下的训练字典；S2：将待分类的高光谱遥感图像作为测试样本，以每个测试样本为中心作用一个大小固定的空间窗口，获取测试样本的近邻空间信息；S3：采用稀疏表示算法分解提取出的多个特征的空间近邻像素，获得与每个特征对应的稀疏度表示系数矩阵，不同特征对应的稀疏度表示系数矩阵构成多特征的最优稀疏度系数矩阵；S4：基于测试样本的近邻空间信息、每个特征下的训练字典以及每个特征对应的稀疏度表示系数矩阵计算基于Renyi熵的互信息值，将基于Renyi熵的互信息值作为特征的权重，用以衡量每个特征的性能优劣；S5：联合不同特征的稀疏度表示系数矩阵以及每个特征的权重，计算每一类测试样本下的重构误差；S6：将重构误差最小的类别作为测试样本的所属类别，测试样本的所属类别为高光谱遥感图像的分类结果。

全文数据：

权利要求：

百度查询： 山东警察学院 信息熵和多特征稀疏表示联合学习的高光谱遥感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