[发明专利]基于多层感知器的遥感影像分割方法在审
| 申请号： | 201810889311.6 | 申请日： | 2018-08-07 |
| 公开（公告）号： | CN109242859A | 公开（公告）日： | 2019-01-18 |
| 发明（设计）人： | 高红民;杨耀;杨琪;李臣明;璩晓宇;高志祥;杜星熠;何炜航;袁文晶 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T5/20;G06K9/62 |
| 代理公司： | 南京苏高专利商标事务所(普通合伙) 32204 | 代理人： | 饶欣 |
| 地址： | 211100 江苏*** | 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： | 本发明公开了基于多层感知器的遥感影像分割方法，包括以下步骤：S1：对原始的遥感影像进行滤波处理；S2：对滤波后的遥感影像进行降维处理，得到新的特征图像和对应的特征矩阵；S3：将新的特征图像均匀地分割成若干个像素大小相同的小图像，从中分别选取若干个小图像作为训练样本和测试样本；S4：初始化神经网络，输入训练样本开始训练，直到网络误差达到设定值或者训练次数达到最大值时停止，保存相应的权值和阈值；S5：选择待分割的遥感影像，利用已经训练好的神经网络对输入向量进行训练，最后的输出向量作为遥感影像的分割结果；S6：将分割结果由向量形式转换为图像的灰度矩阵。本发明模型学习效果好、正轴方向上网络收敛速度快。 | ||
| 搜索关键词： | 遥感影像 分割 多层感知器 分割结果 神经网络 特征图像 训练样本 小图像 测试样本 灰度矩阵 降维处理 滤波处理 模型学习 输出向量 输入向量 特征矩阵 网络收敛 网络误差 向量形式 初始化 权值和 滤波 像素 正轴 图像 保存 转换 | ||
【主权项】：
1.基于多层感知器的遥感影像分割方法，其特征在于：包括以下步骤：S1：对原始的遥感影像进行滤波处理；S2：对滤波后的遥感影像进行降维处理，得到新的特征图像和对应的特征矩阵；S3：将新的特征图像均匀地分割成若干个像素大小相同的小图像，从中分别选取若干个小图像作为训练样本和测试样本；S4：初始化神经网络，输入训练样本开始训练，直到网络误差达到设定值或者训练次数达到最大值时停止，保存相应的权值和阈值；S5：选择待分割的遥感影像，利用已经训练好的神经网络对输入向量进行训练，最后的输出向量作为遥感影像的分割结果；S6：将分割结果由向量形式转换为图像的灰度矩阵。
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河海大学，未经河海大学许可，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/201810889311.6/，转载请声明来源钻瓜专利网。
