X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
帮助中心 | 关于我们
欢迎来到合肥巢湖经开区网上技术交易平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[01918743]一种基于循环神经网 络的高光谱图像分类 方法

交易价格: 面议

所属行业:

类型: 非专利

交易方式: 技术转让

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开了基于循环神经网络的高光谱图像分类方法,包括 以下步骤:使用主成分分析方法将三维的高光谱图像数据作进 行降维处理,获取二维主成分图像;获取二维主成分图像的纹 理特征和形态特征,将两个特征叠加在一起得到融合特征图像 和其特征矩阵,获取融合特征图像中每个像素的非邻域像素特 征,作为训练样本;利用训练样本的非邻域像素特征对循环神 经网络进行参数训练,得到训练好的高光谱图像分类模型,利 用训练好的高光谱图像分类模型对高光谱图像进行分类。本发 明整合了高光谱图像纹理特征和形态学特征,引入非邻域像素 特征的思想并同时使用循环神经网络的记忆功能完成高光谱 图像分类任务,提升分类结果的可靠性。

本发明公开了基于循环神经网络的高光谱图像分类方法,包括 以下步骤:使用主成分分析方法将三维的高光谱图像数据作进 行降维处理,获取二维主成分图像;获取二维主成分图像的纹 理特征和形态特征,将两个特征叠加在一起得到融合特征图像 和其特征矩阵,获取融合特征图像中每个像素的非邻域像素特 征,作为训练样本;利用训练样本的非邻域像素特征对循环神 经网络进行参数训练,得到训练好的高光谱图像分类模型,利 用训练好的高光谱图像分类模型对高光谱图像进行分类。本发 明整合了高光谱图像纹理特征和形态学特征,引入非邻域像素 特征的思想并同时使用循环神经网络的记忆功能完成高光谱 图像分类任务,提升分类结果的可靠性。

推荐服务:

Copyright    ©    2016    合肥巢湖经开区网上技术交易平台    All Rights Reserved

皖ICP备15001458号

运营商:科易网