Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国科学院空天信息创新研究院陈兴峰获国家专利权

中国科学院空天信息创新研究院陈兴峰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国科学院空天信息创新研究院申请的专利一种基于高光谱数据升维的特征光谱提取方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116881814B

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310838600.4,技术领域涉及:G06F18/243;该发明授权一种基于高光谱数据升维的特征光谱提取方法是由陈兴峰;周凯文;杜鹤娟;李家国;刘军;赵利民设计研发完成,并于2023-07-10向国家知识产权局提交的专利申请。

一种基于高光谱数据升维的特征光谱提取方法在说明书摘要公布了:本发明提供了一种基于高光谱数据升维的特征光谱提取方法,适用于任意具有高光谱反射率物体的特征光谱提取。该方法包括使用光谱仪采集被测样本和白板的高光谱辐亮度,并对其进行预处理,求出被测样本的高光谱反射率;然后,通过数学运算将被测样本的高光谱一维反射率升维得到高光谱二维矩阵,再进行特征提取得到特征向量,并将其应用于分类或回归模型的训练和验证,得到高精度分类或回归模型;最后,将特征向量映射回高光谱波长,得到相应的高精度分类或回归模型的特征光谱。与传统的降维方法通过降低光谱波长的数量相比,该方法能最大程度上挖掘出高光谱数据中的信息,提取出对应问题的特征光谱,并提高分类或回归模型的精度。

本发明授权一种基于高光谱数据升维的特征光谱提取方法在权利要求书中公布了:1.一种基于高光谱数据升维的特征光谱提取方法,其特征在于,所述方法包括: a.使用光谱仪采集被测样本和白板的高光谱辐亮度; b.对被测样本和白板的高光谱辐亮度进行预处理; c.使用被测样本和白板的高光谱辐亮度,计算出被测样本的高光谱一维反射率; d.对被测样本的高光谱一维反射率进行升维,使用高光谱一维反射率第i个波长和第j个波长的反射率进行数学运算后得到Ai,j,对N个波长的高光谱反射率循环计算Ai,j,得到N×N的高光谱二维矩阵A,实现了高光谱数据从一维反射率曲线到二维矩阵的升维; e.对高光谱二维矩阵A进行特征提取,得到特征向量B; f.将特征向量B应用于分类或回归模型的训练和验证,得到相应的高精度分类或回归模型; g.将特征向量B映射回高光谱对应的波长,得到相应的高精度分类或回归模型的特征光谱; 其中,使用的数学运算是以两个波段高光谱反射率之差除以两个波段高光谱反射率之和,见公式1,得到光谱差异指数SpectralDifferenceIndex,SDI; 1 其中,代表一个波长的光谱反射率数据,代表另一个波长的光谱反射率数据; 使用公式2继续对光谱差异指数进行归一化处理,归一化方法见公式2,最终得到归一化光谱差异指数NormalizedSpectralDifferenceIndex,NSDI,即为高光谱二维矩阵A; 2 其中,代表光谱差异指数,代表光谱差异指数的最大值,代表光谱差异指数的最小值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国科学院空天信息创新研究院,其通讯地址为:100190 北京市海淀区北四环西路19号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。