-
公开(公告)号：CN111709901B
公开(公告)日：2023-04-28
申请号：CN202010444368.2
申请日：2020-05-22
Applicant: 哈尔滨工业大学
Abstract: 基于FCM聚类匹配+Wallis滤波的无重多/高光谱遥感图像匀色方法，本发明涉及多/高光谱遥感影像图像匀色方法。本发明的目的是为了解决现有方法在没有重叠区域的图像间进行匀色并不涉及，导致获得的图像效果差的问题。过程为：一、对多/高光谱遥感图像进行分波段处理；二、选取出参考图像作为参考；三、得到聚类后的结果；四、进行类别匹配；五、得到局部匀色处理后的各类别数据；六、合成新的待匀色图像；七、进行直方图匹配再次匀色；八、将匀色处理后的图像作为参考图像，重复执行三至七，直至同波段灰度图像全部匀色处理完，将图像拼接；九、重复二至八获得所有拼接好的图像，合成新多/高光谱遥感图像。本发明用于图像匀色领域。
-
公开(公告)号：CN111652826B
公开(公告)日：2023-04-25
申请号：CN202010421683.3
申请日：2020-05-18
Applicant: 哈尔滨工业大学
Abstract: 基于Wallis滤波+直方图匹配的有重多/高光谱遥感图像匀色方法，本发明涉及遥感图像匀色方法。本发明的目的是为了解决现有图像的匀色方法只注重了整体效果而忽略了图像局部特性，处理后可能使待匀色图像数据出现大的偏差，尤其是在图像交叠区域出现大的偏差的问题。过程为：一、获得M组同波段灰度图像；二、选取参考图像；三、获取新的待匀色图像；四、对参考和新的待匀色图像做直方图匹配全局匀色；五、将匀色后的图像作为参考图像，重复执行三至四，直至第m组同波段灰度图像全部匀色处理完，进行拼接；六、重复二至五获得所有M组拼接好的灰度图像，将所有M组拼接好的灰度图像合成新多/高光谱遥感图像。本发明用于遥感图像匀色领域。
-
公开(公告)号：CN115622613A
公开(公告)日：2023-01-17
申请号：CN202211313817.5
申请日：2022-10-25
Applicant: 哈尔滨工业大学
Abstract: 基于运动目标能量约束的卫星视频本征分解方法、系统、存储介质及设备，本发明涉及卫星视频本征分解方法、系统、存储介质及设备。本发明的目的是为了解决卫星视频中光线变化以及运动目标能量分散问题。方法包括如下过程：步骤1：构建卫星视频本征分解模型；步骤2：针对卫星视频背景信息，构建反射率时域约束项；步骤3：针对卫星视频运动目标信息，构建运动目标能量约束项；步骤4：基于卫星视频反射率先验，构建反射率局部约束项；步骤5：基于反射率时域约束项、运动目标能量约束项和反射率局部约束项，优化求解卫星视频反射率分量。本发明属于遥感图像处理领域。
-
公开(公告)号：CN113450413B
公开(公告)日：2022-09-27
申请号：CN202110814978.1
申请日：2021-07-19
Applicant: 哈尔滨工业大学 , 航天恒星科技有限公司
Abstract: 基于GF4单帧图像的舰船目标检测方法，本发明涉及单帧GF4数据海上弱小目标检测。本发明的目的是为了解决现有方法对GF4图像中目标检测的检测精度差的问题。基于GF4单帧图像的舰船目标检测方法具体过程为：步骤1：构建单帧GF4遥感图像的局部加权多波段切片张量；步骤2：求解局部加权多波段切片张量的低秩背景以及稀疏目标张量；步骤3：基于步骤2结合GF4多波段信息优化检测结果，获得舰船目标位置坐标。本发明用于遥感图像处理领域。
-
公开(公告)号：CN114092534B
公开(公告)日：2022-08-30
申请号：CN202111399141.1
申请日：2021-11-19
Applicant: 哈尔滨工业大学
Abstract: 高光谱图像与激光雷达数据配准方法及配准系统，本发明涉及机载高光谱‑激光雷达的联合配准方法及配准系统。本发明的目的是为了解决现有高光谱图像与LiDAR点云配准方法中缺少适用于高光谱图像、激光雷达系统的一体化配准模型的问题。配准方法过程为：1：建立高光谱成像数学模型；2：基于POS数据对高光谱图像进行几何粗校正；3：建立高光谱图像正射校正模型，得到正射投影高光谱图像；4：选取一对同名线特征及一对同名点特征，通过系统检校方法计算配准误差参数，重新执行3生成配准的高光谱图像。配准系统用于执行高光谱图像与激光雷达数据配准方法。本发明用于数据处理技术领域。
-
Patent Agency Ranking
公开(公告)号：CN111638185B
公开(公告)日：2022-05-17
申请号：CN202010384747.7
申请日：2020-05-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于无人机平台的遥感探测方法，属于遥感以及测绘领域。本发明针对现有光谱图像数据与激光雷达点云数据由于存在多源异构性而无法有效融合的问题。包括：将光谱探测器与LiDAR探测器作为整体框架挂载于无人机下方；采用无人机地面站控制无人机飞控发送数据采集命令至微控制器，再对光谱探测器、LiDAR探测器和IMU/GPS组合导航单元进行同步采集控制；进行数据配准，获得两种数据的空间对应关系；对采集数据进行上采样，实现数据的空间一致性采样；再根据空间对应关系，将光谱图像数据和LiDAR点云数据进行融合，得到多/高光谱点云数据。本发明在实现图像‑光谱‑空间多维度数据的一体化探测的基础上，融合光谱与空间信息，最终生成光谱点云。
-
公开(公告)号：CN112818794B
公开(公告)日：2022-03-04
申请号：CN202110098567.7
申请日：2021-01-25
Applicant: 哈尔滨工业大学
Abstract: 基于递进式空谱联合深度网络的高光谱遥感图像生成方法，涉及深度神经网络和光谱超分辨技术。本发明的目的是为了解决现有缺少根据多光谱图像获得高光谱图像的方法。本申请通过递进式空谱联合深度网络获取原始多光谱图像到重构高光谱图像的映射关系进而通过多光谱图像生成高光谱图像。另外，本申请将重构多光谱图像与原始多光谱图像进行对比，从而判断生成的重构高光谱图像的效果，以保证生成的重构高光谱图像具有更优的生成效果。它用于获得高光谱图像。
-
公开(公告)号：CN112784747B
公开(公告)日：2022-03-04
申请号：CN202110086560.3
申请日：2021-01-22
Applicant: 哈尔滨工业大学
Abstract: 高光谱遥感图像多尺度本征分解方法，涉及遥感图像处理技术领域，针对现有技术中得到的高光谱图像的反射率分量精度低的问题，包括：步骤一：获取高光谱图像，并根据高光谱图像得到N个尺度下的稀疏图矩阵；步骤二：根据N个尺度下的稀疏图矩阵得到多尺度高光谱图像的本征分解矩阵；步骤三：利用高光谱图像，并在光谱维上做几何平均得到之后在空间维上做几何平均得到步骤四：根据本征分解矩阵和得到高光谱的反射率分量。本申请结合多尺度并且综合两个策略得到的高光谱图像的反射率分量相比现有的技术有着更高的精度。
-
公开(公告)号：CN108805208B
公开(公告)日：2021-12-31
申请号：CN201810609674.X
申请日：2018-06-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于无标签样本一致性判定的协同训练方法，本发明涉及涉及协同训练和多角度图像分类。本发明目的在于解决现有多角度遥感增加了对同一区域地物联合分析的难度，特别是地物变化分析的难度，使多角度遥感图像分类准确率低的问题。过程为：一：进行初分类：二：选择拍摄图像中无标签样本的可信样本；三：得到该视角重新训练好的分类器；直至所有视角对应的分类器重新训练完成；四：得到该视角的分类结果；直至所有视角对应的分类器重新分类完成；五：重复执行二、三、四，直至满足迭代终止条件，得到每个视角的分类结果，进行投票，以投票率最高的标签作为一中拍摄图像中不带有标签的样本的标签。本发明用于数字图像处理领域。
-
公开(公告)号：CN113838088A
公开(公告)日：2021-12-24
申请号：CN202111003981.1
申请日：2021-08-30
Applicant: 哈尔滨工业大学
Abstract: 本发明提出一种基于深度张量的高光谱视频目标跟踪方法，从待跟踪的高光谱视频的初始帧中随机采样出张量样本集；对采集出的张量样本集进行基于张量表示的张量主成分分析获取投影矩阵；用投影矩阵将待跟踪高光谱视频帧映射到张量子空间；将投影后视频帧的候选区输入VGG‑M网络提取空间特征，候选区由上一帧目标区域按比例扩大得到；选取网络的浅层及深层输出作为特征图；将特征图通过核函数映射的方式融入基于相关滤波的目标跟踪模型实现跟踪；本发明能够较好地实现针对高光谱视频的目标跟踪任务，打破RGB视频目标跟踪在感知目标材料性质方面的局限性。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.024 seconds)
