龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河海大学
摘要：本发明公开了一种用于高光谱图像目标检测的波段智能选择方法，属于遥感图像处理领域。所述方法包括：对原始高光谱图像通过交替局部‑全局重建网络的测试和训练，得到重赋权重的高光谱图像，并对其利用基于皮尔逊相关系数矩阵和K‑Means聚类的相关性度量策略，选择出相互之间差异大且具有代表性的关键波段子集，最后根据波段子集获得波段选择后的高光谱图像，并运用传统高光谱目标检测器对其进行目标异常检测。采用本发明，能够选出高光谱图像中包含目标异常关键光谱的代表性波段，有效地减少背景像素对检测过程的干扰，促进后续检测器的目标检测与突出，并最终提高检测性能。
主权项：1.一种用于高光谱图像目标检测的波段智能选择方法，其特征在于，包括如下步骤：S1：随机抓取原始高光谱图像中20％的像素为交替局部-全局重建网络的训练集，10％的像素为验证集，其中d0和N分别为原始高光谱图像中像素的光谱波段数量和高光谱图像所包含的像素总数；S2：将训练集随机打乱输入至交替局部-全局重建网络中进行训练，将验证集输入网络中并计算验证损失值，使用早停策略，得到已训练模型；所述交替局部-全局重建网络包括3个1×3一维卷积、2个1×1一维卷积、2个1×3一维转置卷积，每个卷积后紧接着LeakyReLU激活函数，所述网络还包括5个由全连接层组成的全局注意力模块，全连接层后紧接着LeakyReLU或Sigmoid激活函数，此外，所述网络还包括一次逐元素相乘和两次通道拼接操作；S3：将原始高光谱图像Xraw输入至已训练的交替局部-全局重建网络中进行测试，得到重建高光谱图像和重赋权重高光谱图像S4：使用相关性度量策略，即对Xrewe按照波段维度计算其皮尔逊相关系数矩阵，并利用K-Means聚类分成d簇，取出每簇中方差最大对应的波段作为选择的波段子集，表示为其中，d表示所选波段数量；S5：根据波段子集得到波段选择后的高光谱图像输入至经典的高光谱目标检测器中进行目标检测得到最后的检测结果。
全文数据：
权利要求：
百度查询： 河海大学 一种用于高光谱图像目标检测的波段智能选择方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号