[发明专利]一种基于频带特征融合的GL-CNN遥感图像场景分类方法有效
| 申请号： | 201811571333.4 | 申请日： | 2018-12-21 |
| 公开（公告）号： | CN109726748B | 公开（公告）日： | 2020-10-09 |
| 发明（设计）人： | 陈立福;崔先亮;肖红光;邢学敏;袁志辉 | 申请（专利权）人： | 长沙理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 湖南兆弘专利事务所(普通合伙) 43008 | 代理人： | 谭武艺 |
| 地址： | 410114 湖南省*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于频带特征融合的GL‑CNN遥感图像场景分类方法，方法实施步骤包括：对原图像进行非下采样小波变换提取出图像的高频子带、低频子带；将原图像的高频子带、原图像进行频带特征融合得到融合高频子带；采用频谱分析的方法分析原图像的低频子带、融合高频子带构成的样本图像的高低频分量，然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合；最后指导卷积神经网络自动提取图像的高低频子带包含的高层特征来实现场景分类。本发明能够克服原高频子带训练产生的过拟合，能够使网络有针对性的学习图像的高低频特征，在场景分类中有明显的优势。 | ||
| 搜索关键词： | 一种 基于 频带 特征 融合 gl cnn 遥感 图像 场景 分类 方法 | ||
【主权项】：
1.一种基于频带特征融合的GL‑CNN遥感图像场景分类方法，其特征在于实施步骤包括：1)对原图像进行非下采样小波变换提取出图像的高频子带、低频子带；2)将原图像的高频子带、原图像进行频带特征融合得到融合高频子带；3)采用频谱分析的方法分析原图像的低频子带、融合高频子带构成的样本图像的高低频分量，然后联合频谱角向能量分布曲线的平稳区间分析实现融合高频子带与低频子带的样本融合得到融合后的样本；4)使用融合后的样本指导卷积神经网络学习图像的高层特征来实现场景分类。
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长沙理工大学，未经长沙理工大学许可，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/201811571333.4/，转载请声明来源钻瓜专利网。
