公开(公告)号：CN116612319A

公开(公告)日：2023-08-18

申请号：CN202310478058.6

申请日：2023-04-28

Applicant: 桂林电子科技大学

Inventor： 徐智 ,  蒋泽霖 ,  秦毅平 ,  陈君 ,  房书军

IPC: G06V10/764 ,  G06V10/58 ,  G06V10/77

Abstract: 本发明涉及计算机视觉技术领域，具体涉及一种基于高斯流形的高光谱图像分类方法，具体通过高斯流形所导出的黎曼度量，即切空间内积，样本数据得以在流形切空间进行图嵌入和度量学习，较大程度地保留了数据的几何特征；此外利用样本间的重构系数来建立图权重以降低噪声和误差的干扰，同时利用非负重构系数图理论来避免负的图权重出现；最后使用度量学习的目标函数，在低维空间中使得类内距离减小，类间距离增大，求得流形切空间的投影矩阵，实现高光谱图像的显式且非线性的降维，此时在低维空间中使用最近邻分类器即可获得较高的分类精度。本发明能够结合高光谱图像的空谱信息，并挖掘和保留高光谱图像蕴含的非线性特征，实现较高的分类精度。

公开(公告)号：CN116612320A

公开(公告)日：2023-08-18

申请号：CN202310478718.0

申请日：2023-04-28

Applicant: 桂林电子科技大学

Inventor： 徐智 ,  蒋泽霖 ,  秦毅平 ,  陈君 ,  房书军

IPC: G06V10/764 ,  G06V10/58 ,  G06V10/77

Abstract: 本发明涉及高光谱图像分类技术领域，具体涉及一种基于多流形度量的高光谱图像分类方法，首先通过提取高光谱像元的空间邻域像元集，从初始考虑结合高光谱图像的空谱信息，具体先将空间邻域像元集建模为高斯分布并映射到高斯流形，然后将其建模为线性子空间模型并映射到Grassmann流形，再使用多核学习算法求得两个对应的黎曼核函数的最优组合系数，得到一个能力互补的组合黎曼核函数，在组合核空间内进行度量学习，通过组合流形切空间中的k个最近邻重构系数获得鲁棒的图权重，进而在统一的单一降维空间内获得具有判别性的结构，使用最近邻分类获得高精度的分类结果。