[发明专利]基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法有效
| 申请号： | 201610805497.3 | 申请日： | 2016-09-06 |
| 公开（公告）号： | CN106446936B | 公开（公告）日： | 2019-07-02 |
| 发明（设计）人： | 林连雷;宋欣益;魏长安 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 杨立超 |
| 地址： | 150001 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法，本发明涉及空谱联合数据转波形图的高光谱数据分类方法。本发明的目的是为了解决现有数据分类正确率低、分类时间长、计算量大的问题。基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的：步骤一、对高光谱原始数据进行逐层归一化，得到归一化后的高光谱数据；对归一化后的高光谱数据进行处理，得到高光谱空谱联合数据信息；步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据。本发明用于高光谱数据分类领域。 | ||
| 搜索关键词： | 基于 卷积 神经网络 联合 数据 波形 光谱 分类 方法 | ||
【主权项】：
1.基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法，其特征在于：基于卷积神经网络的空谱联合数据转波形图的高光谱数据分类方法具体是按照以下步骤进行的：步骤一、对高光谱原始数据进行逐层归一化，得到归一化后的高光谱数据；对归一化后的高光谱数据进行处理，得到高光谱空谱联合数据信息；步骤二、将高光谱空谱联合数据信息转换成二维波形图像数据；具体过程为：利用Matlab工具，将1×(5×5×H)大小的一维空谱联合向量保存成横坐标从1到5×5×H，纵坐标为一维空谱联合向量1×(5×5×H)中每一个元素的值的二维波形图像，遍历归一化后的高光谱数据中的所有W×L个像元，得到W×L个二维波形图像的样本集，样本集中每一张二维波形图像即为某像元的全部像素点的空谱联合信息，并记录了二维波形图像的波动特性；W为高光谱原始数据的宽度；L为高光谱原始数据的长度；H为高光谱原始数据的深度；W、L、H取值为正整数。
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哈尔滨工业大学，未经哈尔滨工业大学许可，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/patent/201610805497.3/，转载请声明来源钻瓜专利网。
