专利名称：一种高光谱影像检索方法      申请号：2015110206522     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 高光谱   相似专利 发布日：2024/10/31  
摘要： 一种高光谱影像检索方法，包括获取待检索地物的光谱曲线以及需要检索的多条光谱曲线，并在每条光谱曲线波峰及波谷的位置分别提取M个SARI特征点；根据每条光谱曲线上M个已确定的SARI特征点，通过计算获取每条光谱曲线上的N个总点；根据每条光谱曲线上的N个总点，通过波段比较的方法获取待检索光谱曲线与需要检索的每条光谱曲线的匹配点；计算所述匹配点的光谱值的差的平方，并根据匹配点的光谱值的差的平方计算待检索光谱曲线与需要检索的每条光谱曲线的相似度；获取相似度的计算结果的归一化值，并按照从大到小的顺序输出检索结果。能够有效简化光谱曲线，并有效提高光谱曲线的检索精度。

专利名称：一种高光谱图像分类方法、系统和存储介质      申请号：2021112295051     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 高光谱   相似专利 发布日：2024/12/09  
摘要： 本发明提供了一种高光谱图像分类方法、系统和存储介质，涉及遥感图像分类技术领域。本发明使用超像素分割和PCA对高光谱图像进行处理，得到降维的高光谱图像作为光谱信息，并通过多个保边滤波器分别对降维的高光谱图像进行滤波处理，得到多个滤波图像作为空间信息，然后结合空间信息和光谱信息对高光谱图像进行分类，充分利用了高光谱图像的光谱信息和空间信息，分类精度高，并且本技术方案不同于传统的对高光谱图像全局PCA处理，而是采用超像素分割将高光谱图像分割成多个均匀区域，再分别进行PCA处理，避免了图像边缘信息和其他独立成分丢失，保证分类精度。

专利名称：一种高光谱分辨率激光雷达系统      申请号：2015202612197     转让价格：面议  收藏
法律状态：已下证   类型：实用新型   关键词：激光 高光谱   相似专利 发布日：2024/07/26  
摘要： 本实用新型公开了一种高光谱分辨率激光雷达系统。该雷达系统包括激光发射系统、激光接收系统、光电探测系统、数据采集分析系统；激光发射系统通过激光接收系统与光电探测系统相连；数据采集分析系统分别与光电探测系统和激光发射系统相连。本实用新型通过锁定激光发射频率，实现高光谱分辨率激光雷达系统功能；通过法布里-珀罗干涉窄带光谱滤波器将气溶胶散射成分和分子散射成分分开，恰好解决了传统后向散射激光雷达所遇到的使用一个雷达方程反演气溶胶散射系数和消光系数两个未知量的困难，且它不受发射激光波长的限制，测量的大气后向散射比精度高，相对误差小。

专利名称：基于改进的OIF和SVM实现高光谱伪装目标识别的方法      申请号：2020110914300     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：F 改 港口 高光谱   相似专利 发布日：2024/07/05  
摘要： 本发明公开了一种基于改进的OIF和SVM实现高光谱伪装目标识别的方法，其内容包括：波段选择：在计算各波段组合间的OIF指数之前，依次对全波段进行去噪、采样、分组三次筛选，减小波段组合范围，最后根据各波段组合的OIF指数选出最佳波段组合。伪装目标识别：改进的SVM算法将SVM与二叉树、马氏距离相结合，先基于马氏距离初识别出部分点；再采用基于二叉树的OCSVM对剩余点进行分类，最终将待测图片的所有点分为各个类别及背景。本发明适用于对各种静态伪装目标的识别，算法速度快、准确率高，能有效减小复杂背景及未经训练的新类别对分类结果的影响。

专利名称：一种顾及光谱重要性的高光谱影像空谱分类方法及装置      申请号：2019108910417     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱影像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种顾及光谱重要性的高光谱影像空谱分类方法及装置，对于给定具有数百个光谱波段的高光谱遥感影像，通过随机森林计算光谱特征重要性；自定义光谱权重特征核函数，利用提取的光谱特征权重，建模每一个光谱波段在分类中的相对作用，对地物类别识别更有益的波段赋予更大的权重，增加地物的光谱判别能力；在条件随机场统一的框架下构建光谱一元势能和空间二元势能，在光谱一元势能中考虑光谱特征权重，集成光谱权重核函数在非线性空间中提升不同光谱特征的区分能力，并通过空间二元势能建模地物的空间相关性。实施本发明的有益效果是：减轻了不重要波段对于分类的影响，提高类别的可区分性，提升分类效果。

专利名称：基于光谱形态和Gram-Schmidt变换约束的高光谱影像变分融合方法      申请号：2019105287848     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：RAM C 港口 光谱影像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种基于光谱形态和Gram‑Schmidt变换约束的高光谱影像变分融合方法，包括：基于传统的影像变分融合模型，设计了新的光谱形态约束项和相关性约束项；光谱形态约束项采用邻域像素的光谱形态特征和新的权重分配方法，修正由空间分辨率的变化引起的光谱失真；相关性约束项基于Gram‑Schmidt变换方法的生成影像建立约束，提高融合影像与标准参考影像的相关性。本发明的有益效果是：本发明所提出的技术方案将影像融合问题转化为能量方程的最优化问题用以重建融合影像；与传统的变分融合方法相比，本方法能够有效提高高光谱影像的空间分辨率，并较好的保持影像中原有的光谱信息。

专利名称：基于稀疏主题松弛模型的高光谱影像解混方法及系统      申请号：2020109301264     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱影像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了基于稀疏主题松弛模型的高光谱影像解混方法及系统，包括：对高光谱影像中的像元按划分为训练数据集；再分别生成训练数据集和整个高光谱影像的共生矩阵，并将训练数据集的共生矩阵输入到模型进行预训练，得到预训练后的稀疏主题松弛模型；将高光谱影像的共生矩阵输入到预训练后的模型，得到影像的初始端元和初始丰度；将初始端元输入到由模糊C均值聚类算法构建的模型中，得到由稀疏主题松弛模型获取的端元以及相应的丰度；将由VCA‑FCLS模型生成的丰度结果和由稀疏主题松弛模型获取的丰度结果进行加权联合，得到高光谱影像的丰度结果；能有效避免端元可变性且无需构建端元光谱库，能快速挖掘高光谱影像混合像元中的隐含端元并估计丰度。

专利名称：一种高光谱影像波段选择方法、系统及电子设备      申请号：2022106523479     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：电子 选 港口 光谱影像 电子设备和元器件 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种高光谱影像波段选择方法、系统及电子设备，该方法包括：S100、获取高光谱影像立方体，利用PCA和超像素分割算法将所述高光谱影像立方体分割为多个区域；S200、采用分层策略分别学习各所述区域对应的低维潜在特征，获取各所述区域的潜在特征矩阵，并提取所述高光谱影像立方体的平均潜在特征，构建平均潜在特征矩阵；S300、将各所述区域的潜在特征矩阵与所述平均潜在特征矩阵进行融合，获取所述高光谱影像立方体的低维自表征矩阵；S400、对所述低维自表征矩阵进行聚类，获取最优波段组合。本发明的有益效果：有效提高了高光谱影像波段选择的准确性。

专利名称：一种面向分类的高光谱遥感影像噪声波段探测方法      申请号：2019106055617     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 噪声 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种面向分类的高光谱遥感影像噪声波段探测方法，采用目视解译方法得到高光谱遥感影像中某一类别纯净地物的样本；获取所述样本的光谱信息，所有的样本连同对应的光谱信息组成具有光谱信息的训练样本集；所述光谱信息对应不同的光谱波段；通过训练样本集训练得到多个决策树，聚合所述多个决策树构成随机森林；计算所述随机森林中光谱波段的重要性；并确定光谱波段的重要性阈值P；计算实际输入的某一高光谱遥感影像中Q个光谱波段的重要性，根据光谱波段的重要性阈值P，自动探测出的严重噪声波段。本发明的有益效果是：探测出了高光谱遥感影像中的严重噪声波段，为提高分类精度提供支持。

专利名称：基于并行注意力机制残差网进行高光谱图像分类的方法      申请号：2020100144713     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱图像 注意力 注意力机制 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种基于并行注意力机制残差网进行高光谱图像分类的方法，首先构建残差块，所述残差块嵌入两条并行的注意分支网络支路，所述两条并行的注意分支网络支路分别在应用光谱注意力机制及空间注意力机制后，对输入数据的空间特征信息和光谱特征信息进行识别学习；其次，利用构建的若干个依次连接的残差块构成的高光谱图像分类网络，对输入的训练数据集进行训练；其中，所述高光谱图像分类网络还包括依次连接的3D平均池化层和全连接层，所述3D平均池化层连接到与其相邻的残差块，用于对当前残差块输出的数据进行空间维度的调整，来降低整个网络的计算开销；最后，将特征信息输入到高光谱图像分类网络地全连接层中，得到图像分类结果。

专利名称：一种高光谱激光雷达的辐射校正方法和装置      申请号：2021107695355     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：激光 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明涉及一种高光谱激光雷达的辐射校正方法和装置。该方法包括：通过获取高光谱激光雷达的点云数据；根据高光谱激光雷达的点云数据，确定高光谱激光雷达的每个通道接收的回波信号对应的物体表面的粗糙度以及在物体表面的镜面反射成分参数；根据确定的高光谱激光雷达的每个通道接收的回波信号对应的物体表面的粗糙度以及在物体表面的镜面反射成分参数，对点云中各个点的每个通道接收的回波信号的强度进行校正。本方法能够减轻高光谱激光雷达获取的回波信号强度受到的影响。

专利名称：一种基于深度学习的高光谱图像波段选择方法      申请号：2019112328556     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：选 光谱图像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供一种基于深度学习的高光谱图像波段选择方法，包括：利用原始的高光谱图像数据训练得到表征各波段重要性的权重向量；根据权重向量对波段数据进行逐波段的加权运算得到波段注意力映射；采用重构网络模块对波段注意力映射进行非线性重构，得到波段的重构输出；利用波段的重构输出、原始的波段数据以及权重向量构建最小化损失函数模型，采用梯度下降优化方法对所述模型中的参数进行逐层优化求解，得到优化后的波段权重，进一步根据权重排序结果选择波段子集。本发明提供一个通用的波段选择框架，充分考虑高光谱图像的非线性特性，并整合了特征提取与波段选择，避免了噪声波段的影响，结构设计灵活，且可以与任意神经网络模型结合。

专利名称：一种高光谱影像分类方法和存储介质      申请号：2021109725938     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：计算机硬件 光谱影像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种高光谱影像分类方法，高光谱影像分类方法包括：构建卷积网络和图注意力网络的加权融合模型；输入高光谱遥感图像至该模型，从而获取高光谱遥感图像的影像数据；对影像数据降维并去噪，利用去噪数据通过两个分支分别获取像素级特征和超像素级特征进行加权融合，然后迭代训练加权融合模型，利用交叉熵损失函数和反向传播函数对加权融合模型反复迭代训练，利用训练后的加权融合模型对高光谱影像进行像素级分类。本发明充分考虑了样本的多尺度深层特征，全面地考虑特征的各个尺度和层次，提高了分类精度。

专利名称：一种空谱融合的高光谱影像混合像元低秩稀疏分解方法      申请号：2019112805574     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：低 港口 光谱影像 分解 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明公开了一种空谱融合的高光谱影像混合像元低秩稀疏分解方法，该方法包括以下步骤：归一化高光谱影像数据，采用线性迭代聚类法，生成超像素；查找超像素的局部块的丰度矩阵，构造低秩约束表达项，加入全变分空间正则项，加入数据保真项，获得目标函数；引入若干辅助变量构建分裂目标函数，采用增广拉格朗日转化有约束的优化问题为无约束的优化问题；采用交替迭代算法求解目标函数，获得评估确认的丰度图。通过采用该方法，得到的空间信息比像元间简单的位置关系更加准确，提取出了丰度矩阵的局部细节特征，促进丰度矩阵的平滑性，使得整个丰度图具备全局特征，使得目标函数分裂，同时使得算法快速收敛，获得更精确的目标解。

专利名称：一种高光谱遥感影像分类方法、装置、设备及存储介质      申请号：2021101548865     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种高光谱遥感影像分类方法、装置、设备及存储介质，该方法包括以下步骤：从原始高光谱遥感影像中分别获取各地物类型的参考光谱和每个像元的像元光谱；计算得到像元光谱与参考光谱之间的光谱角距离；计算得到像元光谱与参考光谱之间的最优光谱特征参数组合的欧式距离；将光谱角距离与所述欧式距离相结合，获得像元光谱与参考光谱之间的最终匹配距离；根据最终匹配距离判断影像中每个像元所属的地物类型，基于像元所属的地物类型输出原始高光谱遥感影像的分类结果图，并对分类结果图进行精度评价。本发明将基于光谱整体特性的光谱角距离和突出光谱局部细节特征的组合特征参数欧式距离相结合，提高了高光谱遥感影像的分类精度。

专利名称：基于多视图空谱联合的高光谱图像子空间聚类方法      申请号：2023103134539     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱图像 空间 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明涉及图像处理技术领域，提供了一种基于多视图空谱联合的高光谱图像子空间聚类方法，包括：获取高光谱图像，对所述高光谱图像进行预处理获得空谱样本；提取所述空谱样本的纹理特征和空谱特征；分别根据所述纹理特征和所述空谱特征确定对应的纹理图和空谱图；将所述纹理图和所述空谱图输入构建好的多视图图卷积子空间聚类网络，输出所述高光谱图像的聚类结果，所述多视图图卷积子空间聚类网络包括双分支自表达模块、注意力融合模块和谱聚类模块。本发明提出的多视图图卷积子空间聚类网络，以注意力融合的方式并基于纹理信息和空谱信息，提高了高光谱图像的聚类精度，降低了计算复杂度。

专利名称：高光谱遥感图像部分迁移方法及系统      申请号：2021109144056     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 遥感图像 部分 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明涉及遥感图像处理技术领域，提供一种高光谱遥感图像部分迁移方法及系统，包括：S1：获得源域数据Xs和目标域数据Xt，获取源域数据的标签信息Ys；S2：获取源域训练数据#imgabs0#S3：获得边缘分布自适应后的源域数据#imgabs1#和边缘分布自适应后的目标域数据#imgabs2#S4：训练获得目标域数据的伪标签#imgabs3#S5：获得条件分布自适应后的源域数据#imgabs4#和条件分布自适应后的目标域数据X't；S6：计算获得最终的目标域数据的预测标签#imgabs5#本发明有效解决部分迁移中因源域数据的地物类别比目标域多而带来的负迁移；分布自适应依赖的一阶统计特性代表了地物的平均光谱属性，可以使两个领域的数据有效对齐；使用的目标域数据不带有任何标签信息，降低了获取标记样本的难度。

专利名称：基于度量学习和近邻增强的高光谱遥感图像分类方法      申请号：2020102285006     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：遥感 遥感图像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供一种基于度量学习和近邻增强的高光谱遥感图像分类方法，包括：S1、对所有样本数据进行平滑滤波，并划分为训练样本和测试样本；S2、采用度量学习算法从训练样本中学习得到马氏距离度量矩阵；S3、计算马氏距离加权的Tikhonov矩阵，进一步得到光谱正则化项；S4、计算空间距离加权的矩阵，进一步得到空间正则化项；S5、对正则化项进行近邻增强，构建基于协同表示的分类模型；S6、求解分类模型，得到协同表示系数，并根据重构误差最小原则对当前测试样本分配标签；S7、判断是否对所有测试样本进行了预测，若否，则重复步骤S3‑S6，否则输出分类结果图。本方法在高光谱遥感图像分类处理中，具有创新性、前沿性以及实用性。

专利名称：一种基于残差子空间聚类网络的高光谱图像聚类方法      申请号：2019112991031     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：网络传输 光谱图像 空间 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供一种基于残差子空间聚类网络的高光谱图像聚类方法，具体包括以下步骤：对原始高光谱图像进行预处理，得到标准化后的空谱样本；构建残差子空间聚类网络，并将所述标准化后的空谱样本输入至所述残差子空间聚类网络，采用梯度下降法进行参数优化，得到非线性自表达系数矩阵C；使用所述非线性自表达系数矩阵C构造相似度矩阵A，并采用谱聚类算法将所述相似度矩阵A分割成k组，从而获得聚类后的k个簇；本发明的有益效果是：将线性的子空间聚类方法扩展至非线性的深度模型中，通过学习面向聚类的深度特征表示，有效解决了高光谱图像无监督分类精度低的问题。

专利名称：一种基于聚类多重流形测度学习的高光谱影像降维方法      申请号：2021110531581     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：光谱影像 高光谱   相似专利 发布日：2024/06/28  
摘要： 本发明提供了一种基于聚类多重流形测度学习的高光谱影像降维方法，在多重局部测度学习的基础上，引入流形学习。通过多重测度学习，将原本复杂的非线性数据分解称为多个相互关联数据，使得在训练过程中能够更好的把握数据结构中的细节部分，在有针对性的进行训练的同时，还在一定程度上避免了过拟合，能够很好的处理非线性数据。在上述基础上，利用数据标签信息的同时，还能够有效利用数据本身的结构信息，最大化的将有限的先验信息利用起来。在降维的同时，还使得最后求得的特征空间能够有效的将不同类区分开来，对影像后续的分类起到帮助。本发明的有益效果是：线性分线性数据都能进行处理，同时避免了分类计算中的过拟合，提高了分类精度。