-
公开(公告)号：CN104268579A
公开(公告)日：2015-01-07
申请号：CN201410541909.8
申请日：2014-10-14
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6256
Abstract: 基于分层集成学习的高光谱遥感图像分类方法，属于高光谱遥感图像分类技术领域。本发明是为了解决高光谱遥感图像数据的分类精度低的问题。它主要是使用两层的集成结构对高光谱图像进行分类，分别是内层结构和外层结构；内层结构是通过随机波段选择构成存在差异的光谱集合；之后以光谱集合为单位，分别使用Adaboost的集成方法来训练，再对测试样本进行分类；外层结构是将内层集成中各个光谱集合的分类结果进行整合，采用权重投票的方法确定样本的最终类别；最后是将整幅图像作为测试样本，实现全图分类从而得到分类主题图。本发明用于对高光谱遥感图像分类。
-
公开(公告)号：CN104392427A
公开(公告)日：2015-03-04
申请号：CN201410748877.9
申请日：2014-12-09
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 经验模态分解和稀疏表示相结合的SAR图像去噪方法，属于图像去噪技术领域。本发明是为了解决传统基于经验模态分解的SAR图像去噪方法对SAR图像中的细节保留不足，造成目标缺失，影响去噪效果的问题。它是将待处理SAR图像转换为原始趋势图像；然后对原始趋势图像进行分解和去噪，它利用经验模态分解的时频特性、分解后图像的稀疏性以及稀疏表示对噪声不敏感的特性，通过对高频分量噪声部分的分析，对高频分量进行稀疏分解，再通过估计高频分量重噪声方差进行稀疏分解的重构和经验模态分解重构，最终实现了SAR图像的噪声抑制。本发明用于SAR图像去噪。
-
公开(公告)号：CN104392244A
公开(公告)日：2015-03-04
申请号：CN201410765174.7
申请日：2014-12-11
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/66
Abstract: 基于堆栈自动编码机的合成孔径雷达图像分类方法，属于雷达图像分类技术领域。本发明是为了解决SAR图像数据由于噪声污染严重以及非线性特性，造成分类精度低的问题。它首先采集N幅原始SAR图像进行数据准备，获得SAR图像数据及SAR监督数据；由SAR图像数据获得训练图像数据和测试图像数据；由SAR监督数据获得训练监督数据及测试监督数据；使用训练图像数据对各层自动编码机进行预训练，在预训练的基础上，使用训练监督数据对网络进行有监督学习，微调网络，获得训练好的基于堆栈自动编码机的网络；将测试图像数据输入训练好的基于堆栈自动编码机的网络实现SAR图像分类。本发明用于合成孔径雷达图像的分类。
-
公开(公告)号：CN104392427B
公开(公告)日：2017-04-12
申请号：CN201410748877.9
申请日：2014-12-09
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 经验模态分解和稀疏表示相结合的SAR图像去噪方法，属于图像去噪技术领域。本发明是为了解决传统基于经验模态分解的SAR图像去噪方法对SAR图像中的细节保留不足，造成目标缺失，影响去噪效果的问题。它是将待处理SAR图像转换为原始趋势图像；然后对原始趋势图像进行分解和去噪，它利用经验模态分解的时频特性、分解后图像的稀疏性以及稀疏表示对噪声不敏感的特性，通过对高频分量噪声部分的分析，对高频分量进行稀疏分解，再通过估计高频分量重噪声方差进行稀疏分解的重构和经验模态分解重构，最终实现了SAR图像的噪声抑制。本发明用于SAR图像去噪。
-
-
-
Search Results
4
records
(took 0.022 seconds)
