[发明专利]基于融合高光谱图像和DSM数据的分类方法在审
| 申请号： | 201910487219.1 | 申请日： | 2019-06-05 |
| 公开（公告）号： | CN110210420A | 公开（公告）日： | 2019-09-06 |
| 发明（设计）人： | 张钧萍;王金哲;吴斯凡 | 申请（专利权）人： | 哈尔滨工业大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 董玉娇 |
| 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： | 基于融合高光谱图像和DSM数据的分类方法，涉及高光谱图像信息技术处理领域。解决了现有像素级融合方法会损失高光谱的光谱信息，很难实现高光谱图像的空间和光谱信息的联合利用，此外，在融合过程中，会存在不同程度的光谱失真的问题。分类方法包括如下步骤：步骤一、通过双支神经网络同时对高光谱图像和LiDAR衍生的DSM数据进行特征提取，获得高光谱图像的空间‑光谱联合信息Fspec‑spat和DSM数据的多尺度高程信息Felv；步骤二、将Fspec‑spat和Felv进行全连接，从而实现空间‑光谱联合信息Fspec‑spat和多尺度高程信息Felv的特征融合，获得融合后的数据信息Fall；步骤三、通过分类器对数据信息Fall进行分类，获得样本类别标签，从而完成对融合后的数据信息Fall的分类。主要用于进行地物分类。 | ||
| 搜索关键词： | 高光谱图像 融合 数据信息 分类 高程信息 光谱联合 光谱信息 多尺度 信息技术处理 地物分类 神经网络 特征融合 特征提取 样本类别 分类器 高光谱 像素级 光谱 标签 联合 | ||
【主权项】：
1.基于融合高光谱图像和DSM数据的分类方法，其特征在于，该分类方法包括如下步骤：步骤一、通过双支神经网络同时对高光谱图像和LiDAR衍生的DSM数据进行特征提取，获得高光谱图像的空间‑光谱联合信息Fspec‑spat和DSM数据的多尺度高程信息Felv；步骤二、将空间‑光谱联合信息Fspec‑spat和多尺度高程信息Felv进行全连接，从而实现空间‑光谱联合信息Fspec‑spat和多尺度高程信息Felv的特征融合，获得融合后的数据信息Fall；步骤三、通过分类器对数据信息Fall进行分类，获得样本类别标签，从而完成对融合后的数据信息Fall的分类。
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/201910487219.1/，转载请声明来源钻瓜专利网。
