一种结合全局先验的深度学习高光谱图像显著性检测算法
基本信息
| 申请号 | CN201911419512.0 | 申请日 | - |
| 公开（公告）号 | CN111160300B | 公开（公告）日 | 2022-06-28 |
| 申请公布号 | CN111160300B | 申请公布日 | 2022-06-28 |
| 分类号 | G06V20/13（2022.01）I;G06V10/46（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I;G06V10/762（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 许廷发;郝建华;徐畅;余越;黄晨;潘晨光 | 申请（专利权）人 | 北京理工大学重庆创新中心 |
| 代理机构 | 成都九鼎天元知识产权代理有限公司 | 代理人 | - |
| 地址 | 401120重庆市渝北区龙兴镇曙光路9号9幢 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。 |
