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：内蒙古科技大学
摘要：本发明公开了一种基于并行3D‑2D‑1DCNN的遥感图像分类算法及方法。所述算法将遥感图像的空‑谱特征、空间特征和光谱特征相结合，充分利用遥感图像的特征信息；采用并行3DCNN、2DCNN和1DCNN的方法，提高运算效率。所述算法包括以下步骤：首先，该算法利用不同维度CNN提取高光谱图像信息中的空‑谱特征、空间特征及光谱特征；之后，采用相同并行卷积层将组合后的空‑谱特征、空间特征及光谱特征进行特征融合；最后，通过线性分类器对高光谱图像信息进行精准分类。本发明利用3DCNN能够提取空‑谱特征、2DCNN能够提取空间特征同时提高运算效率、1DCNN能够提取深度光谱特征等特点，提取遥感图像的特征用于分类，有效的提高了分类精度和计算成本。
主权项：1.一种基于并行3D-2D-1DCNN的遥感图像分类算法方法，其特征在于：包括以下步骤：1输入数据：将原始图片分割成h×ww×C的小块输入到系统中，并通过3DCNN卷积核初步提取图像特征，同时将单通道输入图转换成与卷积核数量相对应多通道特征图；2特征提取：使用并行3D-2D-1DCNN层分别提取遥感图像的空-谱特征、空间特征和光谱特征；并行3DCNN、2DCNN和1DCNN的计算公式为： 式中，l代表卷积层的层数，blj为第l层第j个特征向量中的像元偏差，表示第m个卷积核上pqr位置处的卷积核，P1和Q1表示卷积核的大小，分别表示了卷积核的长度和宽度，R1表示三维卷积核的大小，是在高光谱图像光谱维度上的值，f表示激活函数，代表第1-1层中第m个特征图在位置x+py+qz+r处的值；3学习图像的高层特征和抽象特征：将提取的特征图前后拼接，再使用一组并行3D-2D-1DCNN层进一步提取遥感图像的高层特征和抽象特征；4缓解过拟合现象：加入Dropout函数，随机去掉0-80％的神经元节点，防止过拟合现象的出现；5实现遥感图像的分类：使用Linear分类器进行测试样本的分类。
全文数据：
权利要求：
百度查询： 内蒙古科技大学 一种基于并行3D-2D-1D CNN的遥感图像分类算法及方法
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