WIPO logo
Mobile | Deutsch | Español | Français | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Search International and National Patent Collections
World Intellectual Property Organization
Search
 
Browse
 
Translate
 
Options
 
News
 
Login
 
Help
 
Machine translation
1. (WO2016091017) EXTRACTION METHOD FOR SPECTRAL FEATURE CROSS-CORRELATION VECTOR IN HYPERSPECTRAL IMAGE CLASSIFICATION
Latest bibliographic data on file with the International Bureau   

Pub. No.:    WO/2016/091017    International Application No.:    PCT/CN2015/092591
Publication Date: 16.06.2016 International Filing Date: 23.10.2015
IPC:
G06K 9/66 (2006.01)
Applicants: SHANDONG UNIVERSITY [CN/CN]; No.27, South Shanda Road, Licheng District Jinan, Shandong 250100 (CN)
Inventors: LIU, Zhi; (CN).
TANG, Bo; (CN).
ZHANG, Haixia; (CN).
XIAO, Xiaoyan; (CN).
NIE, Mingyu; (CN).
SUN, Yulin; (CN)
Agent: JINAN SHENGDA INTELLECTUAL PROPERTY AGENCY CO.,LTD; Room 308, Block B, Huate Square, No.17703, Jingshi Road, LiXia District Jinan, Shandong 250061 (CN)
Priority Data:
201410748096.X 09.12.2014 CN
Title (EN) EXTRACTION METHOD FOR SPECTRAL FEATURE CROSS-CORRELATION VECTOR IN HYPERSPECTRAL IMAGE CLASSIFICATION
(FR) PROCÉDÉ D'EXTRACTION POUR VECTEUR DE CORRÉLATION CROISÉE DE CARACTÉRISTIQUE SPECTRALE EN CLASSIFICATION D'IMAGE HYPERSPECTRALE
(ZH) 一种高光谱图像分类中光谱向量互相关特征的抽取方法
Abstract: front page image
(EN)An extraction method for a spectral feature cross-correlation vector in a hyperspectral image classification, comprising hyperspectral image data preprocessing──normalization, denoising, and dimension reduction; boostrap sampling and weighted averaging to acquire a reference sample set; spectrum signal random process hypotheses──hypothesis one, spectrum signals are random trials at any one moment of a stationary random process, hypothesis two, probabilities are equal for every random trial value, then, the spectrum signals are abstracted on the basis of a random process autocorrelation theory to arrive at an autocorrelation coefficient calculation formula, and then finally combined into a autocorrelation feature vector; and, a method of optimal directions (MOD) is employed for sparse decomposition of the correlation feature vector. The present invention sets forth the feature extraction method in hyperspectral classification from a random process correlation perspective, thus providing improved noise immunity and high stability, and allowing increased precision for hyperspectral classification.
(FR)L'invention concerne un procédé d'extraction pour vecteur de corrélation croisée de caractéristique spectrale en classification d'image hyperspectrale, comprenant un prétraitement des données d'image hyperspectrales ─ normalisation, débruitage et réduction de dimension; échantillonnage d'amorçage et calcul de moyenne pondérée pour acquérir un ensemble d'échantillons de référence; hypothèses de processus aléatoires de signaux spectraux ─ hypothèse un, les signaux spectraux sont des essais aléatoires à n'importe quel moment d'un processus aléatoire stationnaire, hypothèse deux, les probabilités sont égales pour chaque valeur d'essai aléatoire, et les signaux spectraux sont ensuite déduits d'après une théorie d'autocorrélation de processus aléatoire pour arriver à une formule de calcul de coefficient d'autocorrélation, puis finalement combinés en un vecteur de caractéristique d'autocorrélation; enfin, un procédé de directions optimales (MOD) est utilisé pour la décomposition clairsemée du vecteur de caractéristique de corrélation. La présente invention concerne le procédé d'extraction de caractéristiques dans la classification hyperspectrale du point de vue de la corrélation des processus aléatoires, ce qui apporte une meilleure immunité au bruit et une stabilité élevée, et permet d'accroître la précision de la classification hyperspectrale.
(ZH)本发明公开了一种高光谱图像分类中光谱向量互相关特征的抽取方法,包括高光谱图像数据预处理——归一化、去噪、降维等;boostrap采样和加权平均获取参考样本集;光谱信号随机过程理论假设——假设一,光谱信号是一平稳随机过程某一时刻的随机试验,假设二,每个随机试验取值的概率都相等,其次根据随机过程自相关理论对光谱信号进行抽象,得出自相关系数计算公式,最后将其组合成自相关特征向量;采用最优方向法(MOD)对相关性特征向量进行稀疏分解。本发明从随机过程互相关的角度提出高光谱分类中特征抽取方法,具有较好的抗噪性和稳定性高,能够提高高光谱分类的精度。
Designated States: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JP, KE, KG, KN, KP, KR, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW.
African Regional Intellectual Property Organization (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Eurasian Patent Organization (AM, AZ, BY, KG, KZ, RU, TJ, TM)
European Patent Office (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
African Intellectual Property Organization (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG).
Publication Language: Chinese (ZH)
Filing Language: Chinese (ZH)