本发明提供了一种高光谱图像波段选择方法。包括互信息矩阵构建、子区间划分、代表性波段选择、分类及其评价。所述的互信息矩阵通过计算两两波段间的互信息，形成互信息矩阵。所述的子区间为波段区间内两两波段间具有相近互信息的波段区间。所述代表性波段选择分为初始波段和剩余波段选择，初始波段为波段子区间内平均互信息和波段子区间外平均互信息的商最大的波段；剩余波段选择同一波段区间内与已选波段平均互信息和波段区间外平均互信息的积最小的波段。所述的分类使用最大似然分类和支持向量机分类对选择出的波段组合进行分类。所述评价使用地面真实分类图像验证分类的准确性。本发明主要解决高光谱图像信息冗余大和处理效率低的问题。
📄 2017113349387
📂 G06K9_00
👤 浙江工业大学
📅 2017-12-14
一种基于互信息的K均值高光谱图像波段聚类方法，通过波段间的平均互信息选取聚类中心加入到K均值聚类迭代中，包括平均互信息的计算、聚类中心的确定、代表性波段组合的选择、分类及其评价。通过计算波段区间内部和外部平均互信息，直接选取波段作为聚类中心加入到聚类迭代中，利用K均值聚类完成波段的聚类过程，使得各波段聚类在具有代表性且图像信息较丰富的波段周围，以各聚类中心波段作为最优波段组合。本发明在保留了高光谱图像的光谱信息同时，得到更高的图像分类精度。
📄 2018112075153
📂 G06K9_62
👤 浙江工业大学
📅 2018-10-17
本发明公开了一种基于关键波段提取的高光谱图像波段选择方法及装置。本发具体实现如下：对高光谱图像确定端元个数并提取端元光谱；对每个端元光谱利用基于三点矢量夹角和变化幅度分析的方法提取关键点子集，合并所有关键点子集构造侯选波段子集；根据波段间相似性具有块状分布的特点，构造局部信息散度矩阵的可视图，确定最佳波段数范围；最后，通过信息量度量法和最优子集选择准则法两类方法中的一种方法优中选优，确定最优波段子集。本发明中的端元光谱的关键波段是不同地物间最具区分性的特征波段，并从关键波段子集中选取最优波段，能缩短后续波段选择的时间，因此，本发明提出的波段选择方法能够提高波段选择的效率。
📄 2017100095359
📂 G06K9_00
👤 杭州电子科技大学
📅 2017-01-06
基于解混预处理的高光谱目标检测方法：1)通过探测的高光谱图像，获得需要探测的目标光谱t，对高光谱图像和目标光谱进行单位化处理；2)对高光谱图像进行端元提取，得到图像的端元集合；3)根据2)得到的端元集合和目标光谱t进行光谱夹角计算，得到端元集合中与目标光谱最为近似的目标端元如果在设定的阈值内找不到目标端元，则将高光谱影像投影至其主成分的正交子空间，再重复2)及3)，直到匹配出目标端元4)对3)所得目标端元进行丰度反演，得到目标端元的丰度图；5)对4)得到的丰度图得到丰度图的最佳分割阈值；6)根据5)得到的阈值，对丰度图进行分割，分割后图像中白色区域代表目标区域，黑色区域代表背景区域。
📄 201711170444X
📂 G06K9_00
👤 杭州电子科技大学
📅 2017-11-22
本发明公开一种面向植物高光谱的提取分块压缩重构方法。本发明先原始植物高光谱进行植物区域提取，然后采用分块压缩在数据展开的形式上充分利用了小块区域之间高度的空间相关性，使得展开后的待重构数据不仅在数据排布上保持与原始单光谱曲线一致，同时又提高了单次待重构数据的长度，这使得一方面相同采样率下单次采集到的数据量更多，大大提高了成功重构的概率；另一方面使得以更低的采样率对原始植物高光谱采样已经能够获取足够的光谱信息，从而可以以更低的压缩比完成对植物高光谱的压缩重构，在实际应用中相应降低存储成本，同时为将重构的植物高光谱用于植物生理化参数反演提供保障。
📄 2017114043720
📂 G06T7_136
👤 杭州电子科技大学
📅 2017-12-22
本发明公开一种面向植物高光谱的分块压缩重构方法。本发明对原始植物高光谱进行植物区域提取，然后采用分块压缩在数据展开的形式上充分利用了小块区域之间高度的空间相关性，使得展开后的待重构数据不仅在数据排布上保持与原始单光谱曲线一致，同时又提高了单次待重构数据的长度，这使得一方面相同采样率下单次采集到的数据量更多，大大提高了成功重构的概率；另一方面使得以更低的采样率对原始植物高光谱采样已经能够获取足够的光谱信息，从而可以以更低的压缩比完成对植物高光谱的压缩重构。
📄 2017114052378
📂 H04N5_225
👤 杭州电子科技大学
📅 2017-12-22
本发明公开了一种基于粗定位和协同表示的高光谱异常点快速检测方法，首先对输入的高光谱遥感影像进行空间维降质；然后对降质后的图像和原始图像进行对比，粗定位异常点；将粗定位的异常点用于指导空间维像素间的协同表示，通过设置合适的内外窗大小，将内外窗之间当前的所有背景点像元用于协同表示，重构中心点像元，并通过衡量重构中心点像元与实际像元之间的差异，获取最终的空间异常响应图；最后设定阈值，根据空间异常响应图进行异常点的检测，得到最终的异常与背景检测图。本发明在减少计算复杂度的同时解决了现有技术中存在的高光谱遥感影像异常检测方法检测精度不高的问题。
📄 2020107386465
📂 G06T7_00
👤 西安理工大学
📅 2020-07-28
本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
📄 2022100072216
📂 G06V10_58
👤 重庆邮电大学
📅 2022-01-05
本发明公开了一种基于注意力机制的高光谱图像匹配检测方法，属于模式识别与图像处理技术领域，利用全卷积网络对高光谱图像进行重建，从中获取目标图像的通道和空间注意力；将高光谱图像依次与通道和空间注意力进行元素点乘，得到注意力加权后的高光谱图像；并将其像素光谱与已知光谱模板作为高光谱匹配检测器的输入，检测像素是否为目标像素。本发明通过对高光谱图像重建以获取目标的通道‑空间注意力，并利用通道‑空间注意力对原始光谱进行注意力加权处理，通过对光谱通道加权以增加同类光谱间的相似性与异类光谱间的差异性，通过对光谱空间注意力加权以充分考虑上下文信息，突出目标抑制背景，提升目标检测精度。
📄 2024101913190
📂 G06V20_10
👤 山东科技大学
📅 2024-02-21
本发明公开了一种高光谱图像目标检测方法，属于目标检测领域，本方法利用时间信息和放宽解空间来改善现有基于约束能量最小化的高光谱图像目标检测的性能，通过严格的数学推导，通过开发新的误差相关函数和引入时间梯度项，设计带有抗噪声的非线性和有界约束自适应梯度神经网络滤波器，通过滤波器优化给定的滤波系数向量，过滤输出图像并提取所需图像的特征向量。本发明通过引入时间信息和扩大解空间，以改进现有基于约束能量最小化的高光谱图像目标检测性能，在提高检测方案的稳健性和准确性，在梯度较大的情况下实现快速收敛，而不受超参数的限制，降低残差误差，提升目标检测精度的同时，还能在受到噪声干扰的情况下保证全局收敛和鲁棒性。
📄 2024106276875
📂 G06V20_10
👤 广东海洋大学
📅 2024-05-21
本发明公开了一种基于配准的高光谱异常检测方法，包括：对高光谱图像数据进行数据增强，并提取增强后的高光谱数据的特征矩阵，包括局部源矩阵、全局源矩阵和目标矩阵；将全局源矩阵、局部源矩阵分别与目标矩阵进行一阶空间点云配准操作，分别获取两种高光谱数据像素点度量值，即局部像素点相似度值、全局像素点相似度值；通过得到的局部和全局像素点相似度值对高光谱图像进行异常检测，得到全局检测结果图及局部检测结果图，并将全局与局部检测结果图进行融合，得出最终异常检测结果。本发明通过点云配准操作对高光谱异常检测进行求解，提高了高光谱异常目标检测精度，在同等条件下降低了虚警率。
📄 2024108242303
📂 G06T7_00
👤 南京信息工程大学
📅 2024-06-25
本发明公开了一种基于近邻子空间划分高光谱影像波段选择方法及系统，其中涉及的一种基于近邻子空间划分高光谱影像波段选择方法，包括：S11.输入高光谱影像立方体，并计算输入的高光谱影像立方体中包含的任意两个相邻波段之间的相关系数，得到相关系数的向量；S12.根据得到的相关系数的向量寻找所有相关系数极值点，并在寻找到的所有相关系数极值点中筛选出相关系数极小值点，通过筛选出的相关系数极小值点确定最优划分的高光谱波段子空间；S13.根据子空间中波段数的大小对子空间进行排序，并计算每个子空间中波段的信息熵，根据计算得到的信息熵从子空间中选取所需数量的特征波段。本发明可以确保最终选取的波段包含相对完整的信息。
📄 2021101746368
📂 G01N21_17
👤 浙江师范大学
📅 2021-02-07
柿子坊 · 知识产权运营
柿子坊知识产权运营平台