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。

公开(公告)号：CN100507603C

公开(公告)日：2009-07-01

申请号：CN200710144447.6

申请日：2007-10-16

Applicant: 哈尔滨工业大学

Inventor： 谷延锋 ,  张晔 ,  张钧萍 ,  陈浩

IPC: G01S17/89 ,  G01S7/48

Abstract: 基于选择性核主成份分析的高光谱图像异常点的检测方法，它涉及的是高光谱图像分析检测的技术领域。它是为了解决现有高光谱图像检测技术存在不能高效的对异常点的进行特征提取，而产生较多虚警，及在有严重的背景干扰下无法对异常点有效检测的问题。它的步骤为：对数据进行归一化，并执行核主成份分析；在主分量内构造滑动窗；计算滑动窗内像素的三阶矩和四阶矩并与设定值比较；遍历主分量后，记值；所有主分量得到处理；选最大主分量；用RX算子对所选主分量进行异常点检测，输出检测结果。本发明能高效的对高光谱图像中异常点目标的特征进行提取和选择，而降低虚警率，并实现在有严重的背景干扰情况下正常对异常点进行检测。

公开(公告)号：CN101408621A

公开(公告)日：2009-04-15

申请号：CN200810209572.5

申请日：2008-11-28

Applicant: 哈尔滨工业大学

Inventor： 邹斌 ,  张腊梅 ,  蔡红军 ,  张钧萍 ,  张晔

IPC: G01S13/90 ,  G01S7/41

Abstract: 基于极化合成孔径雷达图像的超分辨方法，它涉及雷达图像处理领域。它为解决传统的极化合成孔径雷达图像超分辨算法不能保留相位信息和散射体的全极化散射特性的不足而提出的。本方法由以下步骤实现；1.读入雷达图像数据；2.预处理，得到不同散射成分；3.构成初始的高分辨图像；4.得各个散射成分的第n次获得的超分辨图像；5.均方根误差计算；6.判断是否满足迭代终止条件，如不满足，返回执行步骤四，否则获得最终图像。它不但能提高图像的分辨率，还能完全保留图像的极化散射特性和相位信息。