摘要
本发明涉及遥感图像处理技术领域,涉及一种高光谱图像降维方法、装置、设备及存储介质,方法包括将高光谱图像数据划分为N个三维张量块;将高光谱图像数据每个像素的完整光谱向量作为超像素分割算法中聚类输入特征,生成超像素语义伪标签;基于最大频数原则或投票策略,根据张量块内每个像素的像素语义伪标签确定每个张量块的超像素语义伪标签;以张量块作为节点、张量块之间的相似性作为边构建图;根据局部保持投影规则构建图正则化降维模型,求解该模型得到最优投影张量,利用该投影张量对高光谱图像进行降维。本发明可同时兼顾高光谱图像的空间‑光谱信息,提升类内结构表达与降维结果的判别性和稳定性,具备良好的实用价值与推广潜力。
技术关键词
超像素分割算法
高光谱图像数据
高光谱图像降维
计算机执行指令
生成超像素
滑动窗口
计算机存储介质
遥感图像处理技术
语义标签
增广拉格朗日
节点
正则化参数
策略
模块
系统为您推荐了相关专利信息
协同探测方法
高光谱传感器
多光谱传感器
观测场景
成像
AR装置
数字孪生模型
计算机执行指令
识别故障
人工智能AI模型
长距离输煤管道
三维仿真模型
实时监测数据
计算机执行指令
数据采集设备
神经网络预测模型
生成神经网络
模式
计算机执行指令
偏差
监督学习模型
原始测序数据
工作特征
污染特征
分类器模型