公开(公告)号：CN113095218A

公开(公告)日：2021-07-09

申请号：CN202110384803.1

申请日：2021-04-09

Applicant: 西北工业大学

Inventor： 冯燕 ,  郜延龙 ,  于旭敏

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种高光谱图像目标检测算法，属于图像检测领域，包括：对高光谱图像中的光谱进行标记；构建生成对抗网络，将带有标签的光谱输入生成对抗网络的判别器，判别器在判别光谱真伪的同时也作为分类器对光谱的类别进行区分，判别器与分类器共享一部分网络权重；在达到一定迭代次数或是网络收敛时，进入检测过程，利用训练后的分类器对光谱进行分类，得到初步检测结果；之后利用引导滤波器对检测图像进行滤波，在保持图像边缘的同时引入空间信息，去除噪声及孤立点，提高检测精度。该方法利用生成对抗网络对目标光谱及待检测光谱进行样本扩充，在充分利用光谱信息的基础上也保留了图像的空间信息，去除噪声及孤立点，提高了检测精度。

公开(公告)号：CN111368940A

公开(公告)日：2020-07-03

申请号：CN202010219271.1

申请日：2020-03-25

Applicant: 西北工业大学

Inventor： 冯燕 ,  于旭敏 ,  郜延龙

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明涉及高光谱图像分类技术领域，公开了一种基于引导滤波与核极限学习机的高光谱图像分类方法，包括以下步骤S1、将高光谱图像数据进行归一化预处理；S2、对归一化处理之后的高光谱图像数据使用主成分分析法，获得多个不同的主成分图像；S3、通过引导图像对输入图像进行引导滤波处理，提取空间-光谱信息；S4、将引导滤波处理后的图像选取其中5％作为训练集，剩下的作为测试集；S5、通过线性加权的方式，将空谱核与光谱核进行线性加权构成加权核；S6、将加权核送入核极限学习机，然后使用训练完的核极限学习机对测试样本进行分类预测，这种高光谱图像分类方法，取得了很高的分类精度，花费在整个分类过程的时间成本很低。

公开(公告)号：CN113095218B

公开(公告)日：2024-01-26

申请号：CN202110384803.1

申请日：2021-04-09

Applicant: 西北工业大学

Inventor： 冯燕 ,  郜延龙 ,  于旭敏

IPC: G06V10/25 ,  G06V20/10 ,  G06V10/764 ,  G06F18/24 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/045

Abstract: 本发明提供了一种高光谱图像目标检测算法，属于图像检测领域，包括：对高光谱图像中的光谱进行标记；构建生成对抗网络，将带有标签的光谱输入生成对抗网络的判别器，判别器在判别光谱真伪的同时也作为分类器对光谱的类别进行区分，判别器与分类器共享一部分网络权重；在达到一定迭代次数或是网络收敛时，进入检测过程，利用训练后的分类器对光谱进行分类，得到初步检测结果；之后利用引导滤波器对检测图像进行滤波，在保持图像边缘的同时引入空间信息，去除噪声及孤立点，提高检测精度。该方法利用生成对抗网络对目标光谱及待检测光谱进行样本扩充，在充分利用光谱信息的基础上也保留了图像的空间信息，去除噪声及孤立点，提高了检测精度。