申请/专利权人:昆明理工大学
申请日:2024-04-17
公开(公告)日:2024-06-18
公开(公告)号:CN118072180B
主分类号:G06V20/10
分类号:G06V20/10;G06N3/042;G06N3/0464;G06N3/048;G06N3/084;G06V10/26;G06V10/58;G06V10/764;G06V10/82
优先权:
专利状态码:有效-授权
法律状态:2024.06.18#授权;2024.06.11#实质审查的生效;2024.05.24#公开
摘要:本发明公开一种基于关键子超图增强的高光谱图像分类方法,属于高光谱图像处理领域。本发明包括以下步骤:1、将高光谱图像分割成紧凑且相对均匀的超像素;2、将每个超像素看作一个节点,构造高光谱图像普通图和全局超图;3、通过度中心性算法构造度中心性关键子超图;4、通过介数中心性算法构造介数中心性关键子超图;5、将度中心性子超图和介数中心性子超图融合得到关键子超图;6、将高光谱图像超像素级特征、高光谱图像全局超图、关键子超图送入关键子超图增强下的超图卷积进行训练和分类。本发明首次提出了高光谱图像关键子超图的概念,能够提高网络对高光谱图像地物特征的可解释性,并促进信息的聚合和更新,有效提升分类性能。
主权项:1.一种基于关键子超图增强的高光谱图像分类方法,其特征在于,包括如下步骤:(1)获取高光谱图像,并将高光谱图像分割成紧凑且相对均匀的超像素;(2)将每个超像素看作一个节点,构造高光谱图像普通图和全局超图;(3)通过度中心性算法确定高光谱图像高度中心性关键结构,并构造度中心性关键子超图;(4)通过介数中心性算法确定高光谱图像高介数中心性关键结构,并构造介数中心性关键子超图;(5)将度中心性子超图和介数中心性子超图融合得到高光谱图像关键子超图;(6)将高光谱图像超像素级特征、高光谱图像全局超图、高光谱图像关键子超图输入关键子超图增强下的超图卷积进行训练和分类。
全文数据:
权利要求:
百度查询: 昆明理工大学 一种基于关键子超图增强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。