基于NSCT变换和DCNN的高光谱图像分类方法.pdf
一吃****永贺
亲,该文档总共16页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于NSCT变换和DCNN的高光谱图像分类方法.pdf
本发明公开了基于NSCT变换和DCNN的高光谱图像分类方法,解决了现有技术中不能充分挖掘待分类高光谱图像纹理细节和方向性信息的问题。本发明的实现为:输入高光谱图像;进行NSCT变换;对变换后立体块归一化并进行取块操作;在样本集合中随机选取训练、验证和测试样本集;构造深度卷积神经网络,设置网络超参数;训练网络;测试样本输入网络得到实际分类标签,画地物分类结果图;分类标签与测试样本参考标签对比计算分类评价指标,画出训练和验证样本随迭代次数增加的损失曲线图,完成地物分类。本发明保留了高光谱图像更多的纹理细节、方
基于NSCT和SAE的高光谱图像分类方法.pdf
本发明公开了一种基于NSCT和SAE的高光谱图像分类方法,其实现步骤为:(1)输入图像;(2)预处理;(3)进行非下采样轮廓波变换;(4)选取系数子带;(5)选取正方形邻域图像块;(6)提取像素的局部纹理特征;(7)获得三维图像矩阵;(8)选择训练样例;(9)构建栈式自编码器SAE;(10)进行非线性变换操作;(11)微调模型中的参数;(12)输出高光谱图像的分类结果。本发明可以充分地利用高光谱图像的局部纹理特征,具有很高的分类准确率,可用于地质勘探领域中的高光谱图像的分类,为地物图像的绘制提供参考。
基于光谱增强和密集连接变压器的高光谱图像分类方法.pdf
本发明公开了一种基于光谱增强和密集连接变压器的高光谱图像分类方法,主要解决现有高光谱图像分类性能不佳、分类区域一致性不好的问题。其实现方案为:获取高光谱图像数据集,生成训练样本集与测试样本集;分别构建光谱增强模块、密集连接变压器模块,生成光谱增强和密集连接变压器模型;对光谱增强和密集连接变压器模型进行训练;将测试集输入到训练好的光谱增强和密集连接变压器模型中输出高光谱图像的分类结果。本发明利用搭建的光谱增强和密集连变压器,能够提取、融合高光谱图像的全局和局部特征及远距离空间信息,提高高光谱图像分类的准确性
基于图像特征的集合经验模态分解的高光谱图像分类方法.pdf
本发明涉及基于图像特征的集合经验模态分解的高光谱图像分类方法,其步骤包括:S1、利用主成分分析算法对原始高光谱图像进行降维处理;S2、对得到的二十维主成分进行自适应全变分滤波,降低噪声的敏感度并获得粗轮廓特征;S3、利用集合经验模态分解将每个谱带分解为串行分量,在转换域中对于高光谱图像的特征进行进一步融合;S4、利用支持向量机分类器对处理后的图像进行最终分类。本发明能有效增强图像的轮廓特征、并具有较好的分类性能。
基于深度光谱空间倒残差网络的高光谱图像分类方法.pdf
基于深度光谱空间倒残差网络的高光谱图像分类方法,本发明涉及高光谱图像分类方法。本发明的目的是为了解决现有高光谱图像数据集中标记样本有限,并实现光谱空间特征的有效提取的问题。过程为:步骤一、获取高光谱图像