公开(公告)号：CN118261862A

公开(公告)日：2024-06-28

申请号：CN202410297963.6

申请日：2024-03-15

Applicant: 哈尔滨工业大学 ,  上海航天测控通信研究所

Inventor： 张钧萍 ,  刘东洋 ,  谢宝蓉 ,  冯书谊 ,  罗唤霖

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/82 ,  G06V20/10 ,  G06F17/16 ,  G06N3/0464 ,  G06N3/0495

Abstract: 基于目标检测器与度量矩阵的遥感图像目标实例变化检测方法和设备，属于遥感图像变化检测技术领域，解决现有像素级变化检测算法无法获取目标实例的变化信息。本发明的方法包括：基于重参数化思想设计的孪生轻量级目标检测器以及基于度量矩阵的目标实例变化判别部分。其中，轻量级目标检测器用于检测双时相配准图像中的感兴趣目标，目标实例变化判别部分通过对比检测到的双时相中的感兴趣目标来确定目标的变化状态。利用本发明的轻量级目标检测器以及目标实例变化判别方法，本发明所提出的方法可以在具有非常快的推理速度的同时获得较好的目标实例变化检测结果。本发明适用于遥感图像目标实例变化检测领域，包括地面处理以及星上或无人机上实时处理。

公开(公告)号：CN117079122A

公开(公告)日：2023-11-17

申请号：CN202310723124.1

申请日：2023-06-16

Applicant: 哈尔滨工业大学 ,  上海航天测控通信研究所

Inventor： 刘东洋 ,  谢宝蓉 ,  张钧萍 ,  穆文涛

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/24 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 基于特征增强与融合的遥感图像变化检测方法以及装置，属于遥感图像变化检测技术领域，尤其涉及对地面上、卫星上或无人机上的遥感图像实时处理。解决了现有变化检测技术所存在的准确率低、特征表示能力差、类别平衡能力不足以及无法在保持较低计算复杂度的情况下，同时具有较高的精度和效率的问题。所述检测方法包括：输入同一待检测区域配准后的双时相遥感图像数据，并分别提取该数据的三个级别的特征，然后进行全局与局部特征增强，获得对应的三个差异性特征；进一步，进行融合处理获得聚合后的特征；最后，根据所述特征获得遥感图像变化检测结果。本发明适用于部署在地面、无人机或卫星上，以用于对遥感图像进行变化检测。

公开(公告)号：CN111667019B

公开(公告)日：2023-03-24

申请号：CN202010581348.X

申请日：2020-06-23

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  闫清宇

IPC: G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

Abstract: 基于可变形分离卷积的高光谱图像分类方法，属于图像处理技术领域，本发明为解决现有高光谱图像分类方法精度低的问题。它包括：将高光谱图像每个像素点的r×r×d邻域的图像数据作为神经网络的输入，r表示空间大小，d表示高光谱图像的波段数；对输入的高光谱图像经过深度分离卷积提取图像低层次的特征，获得特征图；采用加入可变形运算的分离卷积学习特征图对应的偏置，获得自适应图像的空间分布，再采用光谱卷积运算提取深度的特征；将深度特征输入神经网络的全连接层和softmax回归层预测每个类的概率分布，完成图像分类。本发明用于对高光谱遥感图像进行分类。

公开(公告)号：CN106650681B

公开(公告)日：2019-06-11

申请号：CN201611247606.0

申请日：2016-12-29

Applicant: 哈尔滨工业大学

Inventor： 刘艳玲 ,  张晔 ,  张钧萍

IPC: G06K9/00

Abstract: 基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，属于高光谱遥感图像目标识别领域，本发明为解决现有对高光谱图像进行目标识别处理时存在信息浪费，进而导致目标识别精度较低的问题。本发明目标识别方法的具体过程为：步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。本发明用于对空谱联合高光谱图像的目标识别。

公开(公告)号：CN106097321B

公开(公告)日：2018-12-11

申请号：CN201610393847.X

申请日：2016-06-06

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  谭建

IPC: G06T7/33

Abstract: 一种基于张量表示的偏振高光谱图像目标检测方法，本发明涉及偏振高光谱图像目标检测方法。本发明的目的是为了解决现有偏振高光谱图像目标检测准确率低以及信息利用率低的问题。本发明组成包括：步骤一、建立张量表示下的偏振高光谱图像的数据模型：将偏振高光谱图像表示成四阶张量，则得到偏振高光谱图像的数据模型；步骤二、在张量表示下的偏振高光谱图像的数据模型的基础上，得到基于Tucker分解的四阶张量匹配检测算法的模型，根据基于Tucker分解的四阶张量匹配检测算法的模型判断检测结果。本发明用于偏振高光谱图像目标检测。

公开(公告)号：CN108446723A

公开(公告)日：2018-08-24

申请号：CN201810191507.8

申请日：2018-03-08

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  吴斯凡

IPC: G06K9/62

Abstract: 一种高光谱图像的多尺度空谱协同分类方法，涉及高光谱图像信息技术处理领域。解决了现有技术中单一的使用光谱信息或空间信息对高光谱图像进行分类方法，均易造成目标信息的丢失，导致分类准确度低的问题。步骤一：对原始高光谱图像H进行特征提取，获得由波段子集构成的光谱信息集Hspec；步骤二：对光谱信息集Hspec进行多尺度空间信息的提取，获得多组多尺度空间信息数据集Hspet；步骤三：将多组多尺度空间信息数据集Hspet与光谱信息集Hspec进行融合及初步分类，获得初步分类结果图Qinit；步骤四：将初步分类结果图Qinit分解为k张概率结果图P；步骤五：对k张概率结果图P进行后处理，获得最终的分类结果图Ofin，从而完成对高光谱图像的空谱协同分类。本发明主要用于对高光谱图像进行空谱分类。

公开(公告)号：CN103824263B

公开(公告)日：2016-09-14

申请号：CN201410074775.3

申请日：2014-03-03

Applicant: 哈尔滨工业大学

Inventor： 石翠萍 ,  张钧萍 ,  张晔 ,  陈浩

IPC: G06T5/00

Abstract: 一种基于混合变换的遥感图像稀疏估计方法，它涉及一种遥感图像稀疏估计方法，属于遥感图像处理技术领域。本发明针对现有稀疏方法主要保留图像大多数能量，造成图像细节信息丢失，对细节丰富的遥感图像很难得到较好的稀疏效果的问题，提供了一种基于混合变换的遥感图像稀疏估计方法。该方法结合了张量积小波变换表达光滑图像的优点，以及Tetrolet变换能够有效表达纹理和边缘等细节信息的特点，对图像自身特征无限制，具有一定的普适性。实验结果表明，相对于采用单一的方法对遥感图像进行稀疏，提出的基于混合变换的方法能更有效的对遥感图像进行稀疏表达。本发明方法专门适用对遥感图像的稀疏处理。

公开(公告)号：CN102163338A

公开(公告)日：2011-08-24

申请号：CN201110088314.8

申请日：2011-04-08

Applicant: 哈尔滨工业大学

Inventor： 陈浩 ,  张晔 ,  张钧萍 ,  谷延锋 ,  唐文彦

IPC: G06T11/00

Abstract: 一种压缩感知系统中的高效重建方法。它涉及一种数据处理方法，它解决了现有重建方法中不能够精度速度同时提高的问题。首先整理测量值Y0为易于重建算法实现的形式，若一维重建，则不整理，若二维重建，则进行矢量化，得到Y；然后，令k＝1，uk＝0，vk＝0，得到uk+1＝δ·shrink(vk+1，μ)；vk+1＝vk+ΘT(Y-Θuk)；迭代步骤中出现的无贡献迭代，计算求取无贡献迭代的次数s，则假设，vk变化s次恰好使得uk+1有所改变，那么在这些迭代步骤中有如下迭代公式：uk+s＝uk+1，进行判定即||uk+1-uk||≤ε，再判断是否成立，来确定迭代是否收敛，迭代直至收敛；最后，若一维信号，则直接利用信号稀疏表达重建原始信号，若二维信号，则对稀疏系数u进行逆矢量化，并利用图像的稀疏表达重建原始图像。本发明应用于压缩感知系统中一维或二维信号重建。

公开(公告)号：CN102013095A

公开(公告)日：2011-04-13

申请号：CN201010580676.4

申请日：2010-12-09

Applicant: 哈尔滨工业大学

Inventor： 张钧萍 ,  孙毓 ,  赵宏磊 ,  张晔

IPC: G06T5/50

Abstract: 基于分布变换的多传感器图像融合方法，它涉及多传感器图像融合方法。它为解决现有多信源数据融合过程难以建立统一的数据分布模型，缺少能有效的分析不同信源的联合特性的合适方法的问题而提出。它由以下几个步骤实现：1.数据格式转换，使待融合图像的灰度值转换为向量形式；2.图像数据特性分析，建立PDF模型；3.建立多源数据的联合概率密度函数模型；4.估计运算；5.基于分布变换的数据融合结果，通过贝叶斯准则进行分类计算；6.个别分类精度较低的计算结果，采用补偿算法进行补偿计算；它在多信源数据融合过程建立了统一的数据分布模型，有效的分析不同信源的联合特性并进行融合。

公开(公告)号：CN101835045A

公开(公告)日：2010-09-15

申请号：CN201010162811.3

申请日：2010-05-05

Applicant: 哈尔滨工业大学

Inventor： 陈浩 ,  张晔 ,  张钧萍 ,  谷延峰

IPC: H04N7/26

Abstract: 高保真遥感图像压缩与分辨率增强的联合处理方法。它涉及遥感图像处理方法，它解决了通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。步骤为：一、输入待压缩处理的图像f(x，y)；二、对图像进行预处理；三、对于处理后的数据进行离散小波变换；四、对小波变换的结果进行信息检测；五、对小波变换结果进行量化处理，同时进行子带加权；六、对于步骤五的量化结果进行熵编码；七、对于熵编码结果进行码流截断，同时进行通道加权；八、获得压缩码流。针对现有遥感图像的实际应用要求，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。