[发明专利]一种多特征类子字典学习的高光谱图像分类方法在审
| 申请号： | 201810723158.X | 申请日： | 2018-07-04 |
| 公开（公告）号： | CN108985301A | 公开（公告）日： | 2018-12-11 |
| 发明（设计）人： | 杨明;张会敏 | 申请（专利权）人： | 南京师范大学 |
| 主分类号： | G06K9/34 | 分类号： | G06K9/34;G06K9/46 |
| 代理公司： | 南京经纬专利商标代理有限公司 32200 | 代理人： | 施昊 |
| 地址： | 210046 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种多特征类子字典学习的高光谱图像分类方法，步骤为：提取高光谱图像的多种互补特征数据；对每类训练样本利用MFKCSDL模型学习得到相应的类子字典；利用基于分水岭的图像分割方法将高光谱图像划分成若干空间组；将学习得到的类子字典组合应用到MFKJSR模型，获得每个空间组像素点的多特征表示系数；通过空间组中所有像素点的多特征重构误差最小，预测空间组中像素点的类别标签。本发明能够有效提升字典的判别能力，进而提高高光谱图像的分类精度。 | ||
| 搜索关键词： | 高光谱图像 空间组 像素点 字典 字典学习 分类 互补特征 类别标签 模型学习 特征表示 特征重构 图像分割 训练样本 预测 应用 学习 | ||
【主权项】：
1.一种多特征类子字典学习的高光谱图像分类方法，其特征在于，包括以下步骤：(1)提取高光谱图像的多种互补特征数据；(2)对每类训练样本利用MFKCSDL模型学习得到相应的类子字典；(3)利用基于分水岭的图像分割方法将高光谱图像划分成若干空间组；(4)将步骤(2)学习得到的类子字典组合应用到MFKJSR模型，获得每个空间组像素点的多特征表示系数；(5)通过空间组中所有像素点的多特征重构误差最小，预测空间组中像素点的类别标签。
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南京师范大学，未经南京师范大学许可，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/201810723158.X/，转载请声明来源钻瓜专利网。
