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：北京航空航天大学
摘要：本发明提出了一种基于局部增强选择性状态空间模型的高光谱分类方法，包括以下步骤：读取三维高光谱图像和每个像素对应的类别标签；将高光谱图像中的数值进行归一化处理；以三维高光谱图像的每个像素为中心点，裁剪划分为图像块，构建图像块数据集；在图像块数据集中随机选取数据作为训练集；在训练集上训练神经网络模型，将训练集的图像块输入到以逐点卷积为基本单元构建的卷积降维主干上，使用多方向局部扫描机制增强选择性状态空间模型，划分多个局部窗口图像后整合信息；将空间特征和光谱特征融合；构建分类头预测类别信息；在训练集上训练优化模型。
主权项：1.一种基于局部增强选择性状态空间模型的高光谱分类方法，其特征在于，包括以下步骤：S1，读取三维高光谱图像和每个像素对应的类别标签；S2，将高光谱图像中的数值进行归一化处理，将数据映射到[0，1]区间；S3，以三维高光谱图像的每个像素为中心点，将中心点固定尺寸的邻域裁剪划分为图像块，构建图像块数据集，其中，中心点像素的标签设置为类别标签；S4，在图像块数据集中随机选取数据作为训练集，其余的数据作为测试集；S5，在训练集上训练神经网络模型，将训练集的图像块输入到以逐点卷积为基本单元构建的卷积降维主干上，逐点卷积降维后得到特征图y∈RH×W×D，使用多方向局部扫描机制增强选择性状态空间模型，将降维后的特征图y∈RH×W×D划分多个局部窗口图像yp后整合不同光谱波段之间的信息，得到高光谱特征图ystack输入选择性状态空间模型；S6，采用光谱特征提取模块提取降维后得到的特征图y∈RH×W×D的中心区域得到区域图像块ycenter∈Rs×s×D，并在光谱维度双向扫描结合选择性状态空间模型，得到区域图像块ycenter∈Rs×s×D的空间特征和光谱特征；S7，将空间特征和光谱特征融合使用多尺度卷积神经网络，剔除冗余信息，保留有价值的空间结构信息；S8，使用全连接前馈神经网络构建分类头预测类别信息；在训练集上训练优化选择性状态空间模型。
全文数据：
权利要求：
百度查询： 北京航空航天大学 一种基于局部增强选择性状态空间模型的高光谱分类方法
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