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：中国人民解放军火箭军工程大学
摘要：本发明涉及一种多感受野图注意力网络的高光谱图像分类方法。通过使用无监督主成分分析方法和简单线性迭代聚类，将原始高光谱图像准确地划分为自适应局部区域；采用双层卷积神经网络提取像素的光谱特征减少需要计算的节点数，抑制原始高光谱图像噪声；构造基于超像素立方体的多感受野图；利用多特征注意力模块提取局部节点特征和边特征并采用图形注意网络学习两个特征的重要系数；利用特征融合注意力模块融合各感受野节点‑边特征，给出了分类节点的特征,最后利用交叉熵损失对图像特征进行解释得到每个像素的标签，使高光谱图像正确分类。与现有技术相比，能够自动提取高光谱特征并完成分类，分类正确率达到93％以上。
主权项：1.一种基于多感受野图注意力网络的高光谱图像分类方法，具有超像素立方体构造多感受野图和卷积神经网络，其特征在于：通过使用无监督主成分分析PCA方法和简单线性迭代聚类SLIC，将原始高光谱图像HSI准确地划分为自适应局部区域；采用双层1D卷积神经网络CNN提取像素的光谱特征减少需要计算的节点数，抑制原始HSI的噪声；构造基于超像素立方体的多感受野图；利用多特征注意力模块提取局部节点特征和边特征并采用图形注意网络学习两个特征的重要系数；利用特征融合注意力模块融合各感受野节点-边特征，给出了分类节点的特征，最后，利用交叉熵损失对图像特征进行解释，得到每个像素的标签，具体包括如下步骤：步骤1：构建光谱空间转换模块步骤2：构建频域转换模块：步骤3：构建多特征注意力模块步骤4：构建多感受野模块步骤5：特征融合注意力和决策模块步骤6：损失函数和模型训练。
全文数据：
权利要求：
百度查询： 中国人民解放军火箭军工程大学 一种基于多感受野图注意力网络的高光谱图像分类方法
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