公开(公告)号：CN104732246B

公开(公告)日：2018-04-27

申请号：CN201510098328.6

申请日：2015-03-05

Applicant: 重庆邮电大学 ,  陈善学

Inventor： 陈善学 ,  尹修玄 ,  杨政 ,  杨亚娟

IPC: G06K9/66

Abstract: 本发明涉及了一种在半监督协同训练框架下通过对子分类器分类结果编码、建立码书，采用码字匹配和聚类筛选的方式提高分类效果的方法。技术方案是：分别设计数据粗分类编码、码字匹配判决和聚类筛选三大模块，解决半监督协同训练中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题。该方法通过多视图方式产生多个基分类器，提高基分类器之间的差异；通过编码与码字匹配的方式提高地物分类精度；通过聚类筛选避免误差累积问题，提升系统泛化性能，提高整体分类效果。

公开(公告)号：CN104732246A

公开(公告)日：2015-06-24

申请号：CN201510098328.6

申请日：2015-03-05

Applicant: 重庆邮电大学 ,  陈善学

Inventor： 陈善学 ,  尹修玄 ,  杨政 ,  杨亚娟

IPC: G06K9/66

Abstract: 本发明涉及了一种在半监督协同训练框架下通过对子分类器分类结果编码、建立码书，采用码字匹配和聚类筛选的方式提高分类效果的方法。技术方案是：分别设计数据粗分类编码、码字匹配判决和聚类筛选三大模块，解决半监督协同训练中基分类器独立性低、迭代过程中误差累积和整体泛化性能低的问题。该方法通过多视图方式产生多个基分类器，提高基分类器之间的差异；通过编码与码字匹配的方式提高地物分类精度；通过聚类筛选避免误差累积问题，提升系统泛化性能，提高整体分类效果。

公开(公告)号：CN104244017A

公开(公告)日：2014-12-24

申请号：CN201410482379.4

申请日：2014-09-19

Applicant: 重庆邮电大学

Inventor： 陈善学 ,  郑文静 ,  张佳佳 ,  杨亚娟

IPC: H04N19/94 ,  H04N19/154

Abstract: 本发明公开一种压缩编码高光谱遥感图像的多层次码书矢量量化方法，涉及图像处理技术领域，该方法根据失真情况将高光谱图像的光谱矢量分割为低维、中维、高维三个部分，然后对失真较大的低维部分采用大尺寸码书，失真不大的中维部分采用中尺寸码书，失真较小的高维部分采用小尺寸码书，这样采用多层次码书，并结合离散度排序后仅提取低维部分四分之一分量训练编码索引的方式，能在相同压缩比下，达到有效降低高光谱图像的量化失真的同时，明显减少各项计算量的目标。本发明能在较小的计算复杂度条件下，以更快的速度实现高光谱图像更高质量的压缩编码，具有实际应用的价值，是一种压缩性能较好的高光谱图像有损、近无损压缩方案。

公开(公告)号：CN104244018B

公开(公告)日：2018-04-27

申请号：CN201410484027.2

申请日：2014-09-19

Applicant: 重庆邮电大学

Inventor： 陈善学 ,  郑文静 ,  张佳佳 ,  杨亚娟

IPC: H04N19/94 ,  H04N19/154

Abstract: 本发明针对高光谱图像数据量巨大，提出了一种快速压缩高光谱信号的矢量量化方案。对矢量数据的各分量按离散度进行重新排序，提取矢量数据的前几维分量组成训练矢量集，余下分量组成余下矢量数据，对训练矢量集进行聚类训练；再利用训练矢量数据的编码索引对余下矢量数据直接进行归类；将训练矢量数据的码书和余下矢量数据的码书重组，得到矢量数据的最终码书，完成高光谱图像的压缩编码。本发明使矢量的大部分能量集中在低维部分，仅仅提取矢量数据低维部分进行训练，空间复杂度得到很大减小。不仅能保证图像恢复质量基本不变、大量缩小压缩过程的空间复杂度，还能达到大幅度降低各类计算量，快速高效完成高光谱图像压缩的目标。

公开(公告)号：CN104244017B

公开(公告)日：2018-02-27

申请号：CN201410482379.4

申请日：2014-09-19

Applicant: 重庆邮电大学

Inventor： 陈善学 ,  郑文静 ,  张佳佳 ,  杨亚娟

IPC: H04N19/94 ,  H04N19/154

Abstract: 本发明公开一种压缩编码高光谱遥感图像的多层次码书矢量量化方法，涉及图像处理技术领域，该方法根据失真情况将高光谱图像的光谱矢量分割为低维、中维、高维三个部分，然后对失真较大的低维部分采用大尺寸码书，失真不大的中维部分采用中尺寸码书，失真较小的高维部分采用小尺寸码书，这样采用多层次码书，并结合离散度排序后仅提取低维部分四分之一分量训练编码索引的方式，能在相同压缩比下，达到有效降低高光谱图像的量化失真的同时，明显减少各项计算量的目标。本发明能在较小的计算复杂度条件下，以更快的速度实现高光谱图像更高质量的压缩编码，具有实际应用的价值，是一种压缩性能较好的高光谱图像有损、近无损压缩方案。

公开(公告)号：CN104244018A

公开(公告)日：2014-12-24

申请号：CN201410484027.2

申请日：2014-09-19

Applicant: 重庆邮电大学

Inventor： 陈善学 ,  郑文静 ,  张佳佳 ,  杨亚娟

IPC: H04N19/94 ,  H04N19/154

Abstract: 本发明针对高光谱图像数据量巨大，提出了一种快速压缩高光谱信号的矢量量化方案。对矢量数据的各分量按离散度进行重新排序，提取矢量数据的前几维分量组成训练矢量集，余下分量组成余下矢量数据，对训练矢量集进行聚类训练；再利用训练矢量数据的编码索引对余下矢量数据直接进行归类；将训练矢量数据的码书和余下矢量数据的码书重组，得到矢量数据的最终码书，完成高光谱图像的压缩编码。本发明使矢量的大部分能量集中在低维部分，仅仅提取矢量数据低维部分进行训练，空间复杂度得到很大减小。不仅能保证图像恢复质量基本不变、大量缩小压缩过程的空间复杂度，还能达到大幅度降低各类计算量，快速高效完成高光谱图像压缩的目标。