[发明专利]高光谱图像的降维方法、装置及存储介质在审

专利信息
申请号: 202010916439.4 申请日: 2020-09-03
公开(公告)号: CN112053279A 公开(公告)日: 2020-12-08
发明(设计)人: 冯华;李伟科;梁明健;邓辅秦;黄永深 申请(专利权)人: 五邑大学
主分类号: G06T3/00 分类号: G06T3/00;G06T5/00
代理公司: 广州嘉权专利商标事务所有限公司 44205 代理人: 孙浩
地址: 529000 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 光谱 图像 方法 装置 存储 介质
【权利要求书】:

1.一种高光谱图像的降维方法,其特征在于,包括如下步骤:

获取高光谱图像,利用所述高光谱图像构建高斯金字塔;所述高斯金字塔含有若干层高斯图像;

根据相邻两层的所述高斯图像之间的信息差,构建拉普拉斯金字塔;所述拉普拉斯金字塔含有若干层拉普拉斯图像;

将所述高斯图像与所述拉普拉斯图像进行融合,构建特征金字塔;所述特征金字塔含有若干层特征图像;

将若干所述特征图像进行融合,得到降维图像。

2.根据权利要求1所述的一种高光谱图像的降维方法,其特征在于:所述高斯金字塔的第0层所述高斯图像为高光谱图像。

3.根据权利要求2所述的一种高光谱图像的降维方法,其特征在于:所述高斯金字塔包括N层高斯图像,第l层高斯图像由第l-1层高斯图像经过高斯低通滤波和间隔采样处理而获得;其中1≤l≤N,N为正整数。

4.根据权利要求3所述的一种高光谱图像的降维方法,其特征在于:第l层所述高斯图像通过如下公式获得:

其中,Rl为第l层所述高斯图像的行数,Cl为第l层所述高斯图像的列数,Gl(i,j)为第l层所述高斯图像的第i行j列的像素点,ω为高斯核;Gl-1(2i+m,2j+n)是第l-1层所述高斯图像的第2i+m行2j+n列的像素点。

5.根据权利要求1所述的一种高光谱图像的降维方法,其特征在于:所述根据相邻两层的所述高斯图像之间的信息差,构建拉普拉斯金字塔,包括如下步骤:

获取第N层所述高斯图像,将第N层所述高斯图像设置为第N层拉普拉斯图像;第N层所述高斯图像为所述高斯金字塔的顶层;

通过对第l+1层所述高斯图像进行两倍插值放大处理,得到第l+1层放大图像;其中,0≤lN,N为正整数;

通过使第l层所述高斯图像与第l+1层所述放大图像进行差值运算,得到第l层拉普拉斯图像;

通过将所有的所述拉普拉斯图像按顺序进行连接,得到拉普拉斯金字塔。

6.根据权利要求5所述的一种高光谱图像的降维方法,其特征在于:第l+1层所述放大图像通过如下公式计算:

其中,Rl+1为第l+1层所述高斯图像的行数,Cl+1为第l+1层所述高斯图像的列数,为第l+1层所述放大图像的第i行j列的像素点,ω为高斯核;是第l+1层所述高斯图像的第行列的插值点。

7.根据权利要求5所述的一种高光谱图像的降维方法,其特征在于:所述将所述高斯图像与所述拉普拉斯图像进行融合,构建特征金字塔,包括如下步骤:

获取第N层所述拉普拉斯图像,将第N层所述拉普拉斯图像设置为第N层特征图像;

获取第l层所述拉普拉斯图像和第l+1层所述放大图像,并将其进行融合处理,得到第l层特征图像;其中,0≤lN;

将所有的所述特征图像按顺序进行连接,得到特征金字塔。

8.一种高光谱图像的降维装置,其特征在于,包括至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器;所述存储器存储有可被所述至少一个控制处理器执行的指令,所述指令被所述至少一个控制处理器执行,以使所述至少一个控制处理器能够执行如权利要求1-7任一项所述的高光谱图像的降维方法。

9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如权利要求1-7任一项所述的高光谱图像的降维方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于五邑大学,未经五邑大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010916439.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top