基于多特征学习及超像素核稀疏表示的高光谱图像联合分类方法

被引：0

专利类型：

发明

申请号：

CN201910914789.4

申请日：

2019-09-26

公开(公告)号：

CN110866439A

公开(公告)日：

2020-03-06

发明(设计)人：

李丹孔繁锵

申请人：

申请人地址：

210016 江苏省南京市秦淮区御道街29号

IPC主分类号：

G06K900

IPC分类号：

G06K962

代理机构：

南京瑞弘专利商标事务所(普通合伙) 32249

代理人：

秦秋星

法律状态：

实质审查的生效

国省代码：

引用

下载

收藏

法律状态

法律状态公告日	法律状态	法律状态信息
2020-03-31	实质审查的生效	实质审查的生效 IPC(主分类):G06K 9/00 申请日:20190926
2020-03-06	公开	公开

共 50 条

[1]

一种基于自适应核稀疏表示及多特征的高光谱图像分类方法 [P].

李丹 ;

孔繁锵 .

中国专利 :CN110688890A ,2020-01-14

[2]

基于超像素联合稀疏表示的高光谱图像目标检测方法 [P].

谷延锋 ;

刘永健 .

中国专利 :CN107194936B ,2017-09-22

[3]

信息熵和多特征稀疏表示联合学习的高光谱遥感图像分类方法及装置 [P].

赵月 ;

李志飞 ;

侯睿 .

中国专利 :CN117911873A ,2024-04-19

[4]

基于超像素多尺度图融合Transformer的高光谱图像分类方法 [P].

王婷婷 ;

孙树青 ;

胡云峰 ;

孙耀 ;

陈虹 .

中国专利 :CN119313945A ,2025-01-14

[5]

基于深度学习多特征融合的高光谱图像分类方法 [P].

杨攀 ;

同磊 ;

禹晶 ;

肖创柏 .

中国专利 :CN110298396B ,2019-10-01

[6]

一种基于字典优化的核联合稀疏表示高光谱图像分类方法 [P].

陈善学 ;

张欣 .

中国专利 :CN114283333B ,2025-07-25

[7]

一种基于字典优化的核联合稀疏表示高光谱图像分类方法 [P].

陈善学 ;

张欣 .

中国专利 :CN114283333A ,2022-04-05

[8]

基于双重邻域约束的联合稀疏表示高光谱图像分类方法 [P].

陈善学 ;

傅祥 .

中国专利 :CN120564030A ,2025-08-29

[9]

基于深度联合稀疏-协同表示的高光谱图像特征表示方法 [P].

邢长达 ;

汪美玲 ;

段朝伟 ;

丛玉华 ;

王志胜 ;

刘一柳 .

中国专利 :CN113989528A ,2022-01-28

[10]

基于近邻传播聚类和稀疏多核学习的高光谱图像分类方法 [P].

冯婕 ;

焦李成 ;

刘立国 ;

吴建设 ;

熊涛 ;

张向荣 ;

王蓉芳 ;

刘红英 ;

尚荣华 .

中国专利 :CN105760900A ,2016-07-13

← 1 2 3 4 5 →