本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法,具体包含以下步骤:
本发明应用于高光谱图像分类领域。在设计中,充分考虑了高光谱图像中的空间信息结构关系,并基于空间关系信息构建高层语义映射。通过这种方式,获得的高层语义编码能够较好地保持特征空间结构信息,适用于高光谱图像分类任务。该方法有效消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题,因此在高光谱图像分类上展现出显著的效果。基于此,本发明具有较高的使用价值。
| 专利名称 | 一种基于形态学特征和字典学习的高光谱图像分类方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201610544083.X |
| 申请号 | - | 专利申请日期 | 2016-07-11 |
| 专利授权日期 | 2016-12-07 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 杨育彬;王喆正 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了一种基于形态学特征和字典学习的高光谱图像分类方法,包含如下步骤:高光谱图像形态学特征提取;字典学习过程;特征编码;图像分类。本发明应用在高光谱图像分类领域,本发明充分考虑了高光谱图像中的空间信息结构关系,并且基于空间关系信息构建高层语义映射,获得能够较好保持特征空间结构信息的高层语义编码用以高光谱图像分类任务,消除了高光谱图像高层语义与底层特征之间的“语义鸿沟”问题,在高光谱图像分类上有着显著的效果,因此本发明具有较高的使用价值。 | ||