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：南京林业大学

摘要：本发明公开了一种用于抗紫边识别的高光谱深度学习识别方法，属于高光谱成像与深度学习技术邻域。根据高光谱图像中待识别点的邻域点的光谱特征，先对邻域的识别结果进行检测，利用贝叶斯公式分析周围区域获得先验分类结果；再使用神经网络对待识别区域进行识别，提高网络对于信息缺乏区域的识别精度。本发明在图像识别的过程中，利用像素周围区域的光谱信息为紫边区域提供识别的数据支持，进而使得紫边区域能在光谱信息缺少的情况下，能够利用邻域信息提高识别精度。将高光谱技术和图像先验知识结合，利用待识别点与周围点的空间关系，进而提高紫边区域的识别精度，对于提高深度学习算法的识别率具有十分重要的意义。

主权项：1.一种用于抗紫边识别的高光谱深度学习识别方法，其特征在于：包括以下步骤：S1：采集不同物质混杂的高光谱图像，并数据进行校正与降噪；S2：对采集到的高光谱图像进行光谱数据的标注，使信息模糊的区域被分为同一类别；标注的类别包括待识别的类别、信息模糊的区域类别，信息模糊的区域类别包括紫边区域；S3：对模型进行训练时，先得到邻域特征变量统计表，然后构建贝叶斯先验判别网络，利用贝叶斯公式分析周围区域获得先验分类结果；具体实现方法如下：S31：首先构建一个nxn的滑动窗口，n为大于1的奇数；S32：使用滑动窗口在图像上滑动收集邻域特征，构建邻域特征变量统计表，以及与之对应的中央的像素类型；S33：将图像划分为4个邻域区块，对这些区块内的元素进行合并，块内元素合并为c类；像素区块合并时，使用以下方法实现：S331：初始化二维的类别列表，并将第一个像素区块加入到类别列表中；S332：从收集的像素区块中，取出下一个像素区块，并将其与类别列表中的所有元素块相比较，满足一下比较条件的像素块加入到相同的一维类别列表中，否则创建新的一维类别列表，并包含到已创建的二维类别列表中，比较条件如下： ;式中，b1和b2表示两个待比较的像素区块，n表示滑动窗口的大小；S333：重复S332中的步骤，直至所有的像素块都与二维类别列表中的元素完成比较，完成后，二维类别列表中的一维类别列表个数即为像素区块的类型数量c；S34：对邻域特征变量统计表进行位置交叉，交叉后的结果存入邻域特征变量的统计表，不断扩充邻域特征变量统计表；S35：基于各个不同的区块邻域特征，构建贝叶斯分类器；S4：使用神经网络对待识别区域进行识别，如果输出类别为信息模糊的区域，则提取该区域的邻域图像，使用贝叶斯先验判别网络进行判别。

全文数据：

权利要求：

百度查询： 南京林业大学 用于抗紫边识别的高光谱深度学习识别方法