[发明专利]一种基于深度学习和多示例学习的高光谱影像分类方法有效
| 申请号： | 201910482614.0 | 申请日： | 2019-06-04 |
| 公开（公告）号： | CN110210412B | 公开（公告）日： | 2022-08-26 |
| 发明（设计）人： | 高红民;姚丹;杜星熠;李臣明;杨耀;王明霞;缪雅文 | 申请（专利权）人： | 河海大学 |
| 主分类号： | G06V20/10 | 分类号： | G06V20/10;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 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： | 210000 *** | 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： | 本发明公开了一种基于深度学习和多示例学习的高光谱影像分类方法，包括以下步骤：S1：对高光谱影像进行预处理，删去部分冗余的波段；S2：对步骤S1得到的预处理后的高光谱影像进行特征提取，得到示例特征；S3：将步骤S2得到的示例特征映射为图像包的示例特征；S4：对步骤S3得到的图像包的示例特征进行分类。本发明能够提高特征提取效率和分类精度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 示例 光谱 影像 分类 方法 | ||
【主权项】：
1.一种基于深度学习和多示例学习的高光谱影像分类方法，其特征在于：包括以下步骤：S1：对高光谱影像进行预处理，删去部分冗余的波段；S2：对步骤S1得到的预处理后的高光谱影像进行特征提取，得到示例特征；S3：将步骤S2得到的示例特征映射为图像包的示例特征；S4：对步骤S3得到的图像包的示例特征进行分类。
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/201910482614.0/，转载请声明来源钻瓜专利网。
