[發(fā)明專利]基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法有效
| 申請?zhí)枺?/td> | 202010679908.5 | 申請日: | 2020-07-15 |
| 公開(公告)號: | CN111914909B | 公開(公告)日: | 2021-01-12 |
| 發(fā)明(設(shè)計(jì))人: | 詹天明;宋博;張道潘;萬鳴華 | 申請(專利權(quán))人: | 南京審計(jì)大學(xué) |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06N3/04;G06N3/08;G06T5/00;G06T7/00 |
| 代理公司: | 北京君泊知識產(chǎn)權(quán)代理有限公司 11496 | 代理人: | 李丹 |
| 地址: | 210000 江蘇省*** | 國省代碼: | 江蘇;32 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 聯(lián)合 方向 卷積 網(wǎng)絡(luò) 光譜 變化 檢測 方法 | ||
1.基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法,其特征在于:包括以下步驟,
步驟(A),獲取兩個(gè)同一區(qū)域不同時(shí)相的高光譜圖像,并將兩個(gè)高光譜圖像進(jìn)行差分操作獲取高光譜差異圖像;
步驟(B),選取訓(xùn)練樣本,生成每個(gè)訓(xùn)練樣本對應(yīng)的變化張量;并對每個(gè)變化張量從三個(gè)不同方向提取該變化張量的光譜特征、不同角度的空間特征進(jìn)行融合,訓(xùn)練三方向卷積網(wǎng)絡(luò)模型,并得到適用于該高光譜數(shù)據(jù)集的模型參數(shù);
步驟(C),用訓(xùn)練好的三方向卷積網(wǎng)絡(luò)模型對步驟(A)獲取的高光譜差異圖像的各個(gè)像素進(jìn)行變化檢測,劃分為變化類或非變化類;
步驟(D),將高光譜差異圖像的所有像素均完成判別后,獲得變化檢測結(jié)果圖。
2.根據(jù)權(quán)利要求1所述的基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法,其特征在于:步驟(A),獲取兩個(gè)同一區(qū)域不同時(shí)相的高光譜圖像,并將兩個(gè)高光譜圖像進(jìn)行差分操作獲取高光譜差異圖像,包括以下步驟,
(A1),在兩個(gè)不同時(shí)間點(diǎn)從同一個(gè)高光譜數(shù)據(jù)源中獲取同一區(qū)域的高光譜圖像I1、I2;
(A2),對高光譜圖像I1、I2進(jìn)行噪聲消除處理;
(A3),將預(yù)處理后的兩個(gè)時(shí)相的高光譜圖像進(jìn)行差分操作f(I1,I2)獲得高光譜差異圖像ΔI,該差分操作f(I1,I2)函數(shù)表達(dá)式為公式(1)所示,
f(I1,I2)=|I2-I1| (1)。
3.根據(jù)權(quán)利要求2所述的基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法,其特征在于:(A2),對高光譜圖像I1、I2進(jìn)行噪聲消除處理,是遍歷兩個(gè)時(shí)相的高光譜的每個(gè)波段,移除被噪聲嚴(yán)重影響導(dǎo)致信噪比較低的波段,且兩個(gè)高光譜數(shù)據(jù)移除的波段相同。
4.根據(jù)權(quán)利要求2所述的基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法,其特征在于:步驟(B),選取訓(xùn)練樣本,生成每個(gè)訓(xùn)練樣本對應(yīng)的變化張量;并對每個(gè)變化張量從三個(gè)不同方向提取該變化張量的光譜特征、不同角度的空間特征進(jìn)行融合,訓(xùn)練三方向卷積網(wǎng)絡(luò)模型,并得到適用于該高光譜數(shù)據(jù)集的模型參數(shù),包括以下步驟,
(B1),選擇像素總數(shù)的10%的像素,且通過人工標(biāo)記其是否屬于變化像素,并記錄該像素的位置信息及其標(biāo)記的類別信息作為訓(xùn)練樣本;
(B2),將每個(gè)訓(xùn)練樣本像素及其鄰域的像素所對應(yīng)的光譜變化向量從高光譜差異圖ΔI中提取出來形成對應(yīng)的變化張量;
(B3),將訓(xùn)練樣本像素對應(yīng)的變化張量及其對應(yīng)的標(biāo)記類別作為輸入,對每個(gè)變化張量從三個(gè)不同方向提取張量的光譜特征和空間特征進(jìn)行融合,訓(xùn)練三方向卷積網(wǎng)絡(luò)模型,并得到適用于該高光譜數(shù)據(jù)集的模型參數(shù),該三個(gè)不同方向提取張量的光譜特征包括兩個(gè)空間維度的方向和一個(gè)光譜維度的方向。
5.根據(jù)權(quán)利要求4所述的基于空譜聯(lián)合三方向卷積網(wǎng)絡(luò)的高光譜變化檢測方法,其特征在于:(B2),將每個(gè)訓(xùn)練樣本像素及其鄰域的像素所對應(yīng)的光譜變化向量從高光譜差異圖ΔI中提取出來形成對應(yīng)的變化張量,是(B1)將每個(gè)訓(xùn)練樣本像素及以它為中心的5*5正方形鄰域像素在高光譜差異圖ΔI中的變化光譜向量提取出來形成5*5*L的變化張量,其中,L是高光譜圖像的光譜維數(shù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于南京審計(jì)大學(xué),未經(jīng)南京審計(jì)大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010679908.5/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 中繼網(wǎng)絡(luò)中的聯(lián)合方法、系統(tǒng)、中繼站及移動臺
- 中繼網(wǎng)絡(luò)中的聯(lián)合方法、系統(tǒng)、中繼站及移動臺
- 便攜信息終端、以及便攜信息終端的控制方法
- 電法與地震同步聯(lián)合反演方法及系統(tǒng)
- 銀行聯(lián)合放款的放款方法、裝置及計(jì)算機(jī)可讀存儲介質(zhì)
- 一種基于自主學(xué)習(xí)群搜索算法的聯(lián)合調(diào)度方法及系統(tǒng)
- 一種基于多目標(biāo)種群群搜索算法的聯(lián)合調(diào)度方法及系統(tǒng)
- 聯(lián)合貸款中的罰息與利息結(jié)算方法、裝置、介質(zhì)和設(shè)備
- 一種基坑支護(hù)用H型鋼構(gòu)件
- 用于云環(huán)境的語義元聯(lián)合代理
- 卷積運(yùn)算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算方法及系統(tǒng)
- 卷積運(yùn)算方法及系統(tǒng)
- 卷積運(yùn)算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計(jì)算機(jī)存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運(yùn)算裝置
- 基于FPGA實(shí)現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)





