一种基于谱带特异性学习的高光谱图像分类方法
授权
摘要
本发明提出了一种基于谱带特异性学习的高光谱图像分类方法，在网络中加入一个空间残差块，用于提取高光谱图像的空间特征，为光谱特征提供有用的辅助信息，缓解了光谱特征空间变异性对分类性能的影响。同时可以避免网络深度加深时分类精度的降低。设计了平行网络。使用谱带分割算法对高光谱图像基于光谱进行均匀分割，使用平行网络分别同时提取分割后数据的光谱特征，减少了网络的训练时间。
基本信息
专利标题 ：
一种基于谱带特异性学习的高光谱图像分类方法
专利标题（英）：
暂无
公开（公告）号 ：
CN108846361A
申请号 ：
CN201810618959.X
公开（公告）日 ：
2018-11-20
申请日 ：
2018-06-15
授权号 ：
CN108846361B
授权日 ：
2022-05-03
发明人 ：
解培中张不已青春美
申请人 ：
南京邮电大学
申请人地址 ：
江苏省南京市鼓楼区新模范马路66号
代理机构 ：
南京苏科专利代理有限责任公司
代理人 ：
牛莉莉
优先权 ：
CN201810618959.X
主分类号 ：
G06K9/00
IPC分类号 ：
G06K9/00 G06K9/62 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
法律状态
2022-05-03 ：
授权
2018-12-14 ：
实质审查的生效
IPC(主分类) : G06K 9/00
申请日 : 20180615
申请日 : 20180615
2018-11-20 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
