公开(公告)号：CN118097313B

公开(公告)日：2024-06-25

申请号：CN202410504575.0

申请日：2024-04-25

Applicant: 南京信息工程大学

Inventor： 涂兵 ,  刘博 ,  胡江红 ,  陈思源 ,  彭怡书

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06T5/10 ,  G06V10/74 ,  G06N20/10 ,  G06V20/10

Abstract: 本发明公开了一种基于频域主动学习的高光谱图像分类方法，方法为采用主成分分析对高光谱图像数据集进行降维处理获得降维图像，再依次进行傅里叶变换、高通滤波、傅里叶逆变换得到高频部分；将降维图像代入熵率超像素分割得出三个尺度的超像素分割图并分别提取出三个尺度的超像素分割图特征用于制作SVM分类器的训练样本、初步结果，采用随机游走优化初步结果并对比优化后的结果得到不同的像素点集；基于高频部分查找像素点集获得高频部分所关联的像素点并采用信息量排序，获得更新训练样本的若干像素点，从而保持分类器的学习；本发明对频域保持高精度的自主学习状态，避免高光谱图像在获取和传输过程中因数据质量降低导致的图像分类精度低。

公开(公告)号：CN118097313A

公开(公告)日：2024-05-28

申请号：CN202410504575.0

申请日：2024-04-25

Applicant: 南京信息工程大学

Inventor： 涂兵 ,  刘博 ,  胡江红 ,  陈思源 ,  彭怡书

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06T5/10 ,  G06V10/74 ,  G06N20/10 ,  G06V20/10

Abstract: 本发明公开了一种基于频域主动学习的高光谱图像分类方法，方法为采用主成分分析对高光谱图像数据集进行降维处理获得降维图像，再依次进行傅里叶变换、高通滤波、傅里叶逆变换得到高频部分；将降维图像代入熵率超像素分割得出三个尺度的超像素分割图并分别提取出三个尺度的超像素分割图特征用于制作SVM分类器的训练样本、初步结果，采用随机游走优化初步结果并对比优化后的结果得到不同的像素点集；基于高频部分查找像素点集获得高频部分所关联的像素点并采用信息量排序，获得更新训练样本的若干像素点，从而保持分类器的学习；本发明对频域保持高精度的自主学习状态，避免高光谱图像在获取和传输过程中因数据质量降低导致的图像分类精度低。

公开(公告)号：CN116721318A

公开(公告)日：2023-09-08

申请号：CN202310569581.X

申请日：2023-05-19

Applicant: 南京信息工程大学 ,  湖南理工学院

Inventor： 涂兵 ,  廖晓龙 ,  周佳栋 ,  陈思源 ,  彭怡书

IPC: G06V10/778 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06V20/10 ,  G06N3/042 ,  G06N3/08

Abstract: 本申请涉及一种基于类级图嵌入表示的遥感图像主动学习方法。该方法包括：通过从高光谱遥感图像的标记数据中，随机取出标记集和未标记集，余下的样本作为测试集，设置主动学习的迭代次数与样本预算，使用标记集训练分类模型，通过网络参数得到样本的空谱特征表示，根据真实标签将标记集分为K类，逐类别构造图节点与邻接矩阵，训练类级图卷积网络模型，得到未标记样本的类间最小不确定性，挑选B个不确定样本作为查询集，赋予查询集真实标签并加入标记集，使用新的标记集更新分类模型与类级图卷积网络模型的参数，当迭代次数为I次时，利用更新后的标记集训练分类模型并对测试集进行分类得到分类结果。从而提高深度学习模型分类的准确率。