一种面向高光谱图像的分类方法及系统
基本信息
| 申请号 | CN202210133831.0 | 申请日 | - |
| 公开（公告）号 | CN114663747A | 公开（公告）日 | 2022-06-24 |
| 申请公布号 | CN114663747A | 申请公布日 | 2022-06-24 |
| 分类号 | G06V20/10（2022.01）I;G06V10/52（2022.01）I;G06V10/54（2022.01）I;G06V10/58（2022.01）I;G06V10/764（2022.01）I;G06V10/77（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 徐静冉;王怀採;赵健康;李修庆 | 申请（专利权）人 | 湖南盛鼎科技发展有限责任公司 |
| 代理机构 | 湖南兆弘专利事务所（普通合伙） | 代理人 | - |
| 地址 | 410024湖南省长沙市芙蓉区万家丽北路三段439号浏阳河畔家园5栋1306房 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种面向高光谱图像的分类方法及系统，本发明面向高光谱图像的分类方法包括：对高光谱图像采用三维离散小波变换3D‑DWT提取高光谱图像的空间和光谱特征；将提取高光谱图像的空间和光谱特征后得到的新的高光谱图像进行降维；将降维后的高光谱图像分割成重叠的小图像块；将小图像块采用预先训练好的卷积神经网络分类器进行分类。本发明将三维离散小波变换3D‑DWT和卷积神经网络CNN进行结合，将三维离散小波变换3D‑DWT用作高光谱图像的预处理手段，从而获得鲁棒的特征表达能力、减少CNN网络的计算负担，而且能够在较少的训练样本下获得较高的分类性能，大大缓解了高光谱数据缺乏带标签的训练样本的问题。 |
