基于超像素轮廓和改进PSO-ELM的空谱主动学习高光谱分类方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开一种基于超像素轮廓和改进PSO‑ELM的空谱主动学习高光谱分类方法,属于高光谱图像处理与分类技术领域,该方法利用主成分分析法提取高光谱影像的光谱信息,并通过构造扩展超像素轮廓ESPP来整合主成分图像的光谱和空间信息,再通过构建的ESPP得到的主成分图像空谱特征获取超像素数据,使其适用于主动学习;接着提出了一种改进的极限学习机模型;最后将主成分图像空谱特征的超像素数据输入模型中训练得到最佳模型,将高光谱图像输入训练完的最佳模型中得到分类结果。本发明充分提取了高光谱图像的空谱信息,同时结合改进的粒子群‑极限学习机对输入权值和隐藏偏差进行优化,提高了泛化能力,最终提高了图像的分类精度。
《基于超像素轮廓和改进PSO-ELM的空谱主动学习高光谱分类方法(高校公示15天)(不包年费滞纳金)(需要二变)》是一发明专利,专利号为 2021105262848,当前法律状态为已下证,由辽宁工程技术大学提出申请,发明人为吕欢欢;彭国峰;张辉;张峻通;钱韫竹,申请日期为2021-05-14,公开(公告)日期为2023-11-10,国际专利分类号(IPC)为 G06V 20/10 (2022.01),高新资质:未报高企。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明公开一种基于超像素轮廓和改进PSO‑ELM的空谱主动学习高光谱分类方法,属于高光谱图像处理与分类技术领域,该方法利用主成分分析法提取高光谱影像的光谱信息,并通过构造扩展超像素轮廓ESPP来整合主成分图像的光谱和空间信息,再通过构建的ESPP得到的主成分图像空谱特征获取超像素数据,使其适用于主动学习;接着提出了一种改进的极限学习机模型;最后将主成分图像空谱特征的超像素数据输入模型中训练得到最佳模型,将高光谱图像输入训练完的最佳模型中得到分类结果。本发明充分提取了高光谱图像的空谱信息,同时结合改进的粒子群‑极限学习机对输入权值和隐藏偏差进行优化,提高了泛化能力,最终提高了图像的分类精度。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
