-
公开(公告)号：CN113628227A
公开(公告)日：2021-11-09
申请号：CN202110883494.2
申请日：2021-08-02
Applicant: 哈尔滨工业大学
IPC: G06T7/12
Abstract: 一种基于深度学习的海岸线变化分析方法，本发明涉及海岸线变化分析方法。本发明的目的是为了解决现有岸线类型复杂，难以实现岸线类型精确分类；针对不同类型岸线，岸线提取准则不同；以及给定多时相遥感图像，如何实现大场景中的海岸线精确提取的问题。过程为：步骤一、选择所研究区域的海岸线数据集；构建神经网络，得到训练好的神经网络；步骤二、得到处理后的多时相海岸线遥感影像，输入训练好的神经网络，获得处理后的多时相海岸线遥感影像对应的海岸线类型；步骤三、基于得到的海岸线类型，提取海岸线，获得海岸线图像；步骤四、基于获得的海岸线图像，检测海岸线的位置变化，计算海岸线侵蚀或淤积速率。本发明用于海岸线变化分析领域。
-
公开(公告)号：CN113450413A
公开(公告)日：2021-09-28
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：CN106503754B
公开(公告)日：2019-06-11
申请号：CN201611008370.5
申请日：2016-11-16
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于空谱特征保持全局几何结构的多时相高光谱图像分类方法，本发明涉及多时相高光谱遥感图像分类方法。本发明的目的是为了解决高光谱多时相数据标签获取不易，图像存在明显光谱漂移的情况下，直接利用源时相的高光谱数据分类目标时相数据不可靠的问题。具体过程为：一、输入Xs与Xt和它们的空间坐标Z1、Z2，以及Xs各行相应类别标签向量Y；二、计算Xs,Xt的空谱距离选择最近的点作为需要匹配的数据对；三、计算Ds,s，Dt,t以及Ds,t，调整数据集的尺度，构建距离矩阵D；四、获得Xs、的在对准空间的映射矩阵α和β,从而得到投影fs和ft；五、利用fs和ft以及fs对应的标签Y，通过KNN分类模型分类，获得目标时相的分类标签。本发明用于图像分类领域。
-
公开(公告)号：CN106127697B
公开(公告)日：2018-12-11
申请号：CN201610415761.2
申请日：2016-06-07
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 无人机机载成像高光谱几何校正方法。属于图像处理领域。目前根据POS数据校正获得的图像与实际偏离过大，景物点、线、面畸变较大，且难以通过多项式校正进行几何精校正。本发明方法包括：采集当前无人机低精度POS传感器的位置姿态信息校正视准轴误差；根据地物特征的角点、轮廓信息对POS数据预处理，获得对应的外方位元素；共线方程校正；通过地面校正点进行多项式校正。本发明考虑了自然地物特征与传感器本身误差之间的关系，提高校正精度，对无人机航拍低精度POS数据进行优化，只携带低精度POS传感器以及高光谱成像仪即可进行无人机航拍图像的精确校正，为当前低成本无人机高光谱成像广泛应用提供技术支撑。
-
公开(公告)号：CN108737824A
公开(公告)日：2018-11-02
申请号：CN201810435514.8
申请日：2018-05-09
Applicant: 哈尔滨工业大学
IPC: H04N19/136 , H04N19/14 , H04N19/147 , H04N19/134
Abstract: 一种用于高效视频编码的编码单元快速深度选择方法，涉及视频编码技术领域。本发明是为了解决现有高效视频编码技术中存在的编码复杂度极高、未对视频图像内容进行分析从而完成对CU的快速深度选择、未能利用空间相关性实现对CU的快速深度选择的问题。本发明利用交流能量系数判断CU的纹理复杂度，从而排除部分可能性较小的深度。本发明还利用CU的深度在空间上的相关性，进一步缩小CU的候选深度范围，避免了对全部深度的遍历计算。本发明还提出了一种自适应的双阈值方法来判断视频图像的纹理复杂度。实验证明，本发明可以有效降低HEVC标准中CU深度选择算法的复杂度，并且对其编码性能几乎不产生影响。本发明应用于高效视频编码的深度选择技术领域。
-
Patent Agency Ranking
公开(公告)号：CN107194936A
公开(公告)日：2017-09-22
申请号：CN201710374788.6
申请日：2017-05-24
Applicant: 哈尔滨工业大学
Abstract: 基于超像素联合稀疏表示的高光谱图像目标检测方法，本发明涉及高光谱图像的目标检测。本发明的目的是为了解决现有高光谱图像目标检测方法不能从三维数据整体进行信息挖掘，检测精度低的问题。过程为：一：建立超像素约束下的目标和背景的信号联合稀疏表示模型；二：利用图像超像素分割方法将待检测高光谱图像进行分割，分割的结果作为空间约束的先验信息；三：利用获得的目标和背景样本建立目标字典At和背景字典Ab；四：利用At和Ab、空间约束的先验信息和待检测高光谱图像，分别求取五：基于得到的稀疏表示系数，分别计算rb(x)和rt(x)，依据误差的大小，判定待检测高光谱图像的像元是否为检测目标。本发明用于数字图像处理领域。
-
公开(公告)号：CN106780353A
公开(公告)日：2017-05-31
申请号：CN201610989755.8
申请日：2016-11-10
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于时相光谱角度量的多时相云遮挡数据恢复方法，本发明涉及基于时相光谱角度量的多时相云遮挡数据恢复方法。本发明的目的是为了解决现有云遮挡数据恢复方法恢复精度低的问题。具体过程为：一、输入存在云遮挡的多时相多光谱遥感图像；二、计算存在云遮挡的多时相多光谱遥感图像地理坐标上各点的云遮挡数据缺失度；三、将缺失度最小的点作为要填充的点；四、提取X和相应缺失时相地理坐标；五、利用时相光谱角函数计算X与除X点外的其他各点相似度；六、找到相似度最大点Y；七、利用Y和缺失数据填补算法对要填充点的多时相多光谱数据X进行填补；八、迭代一，直至全部云遮挡数据被填充。本发明用于云遮挡数据恢复领域。
-
公开(公告)号：CN103927456B
公开(公告)日：2017-01-04
申请号：CN201410169422.1
申请日：2014-04-25
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于蜂群算法的遥感影像有理函数模型优化方法，涉及遥感成像几何模型优化领域。针对基于有理函数模型的遥感成像几何模型因参数项过冗余造成的模型精度低问题，用蜂群算法对该模型进行优化，步骤如下：一、构造待求解的二值向量x和收益度函数f(x)；二、初始化蜂群算法参数；三、蜂群初始化；四、开始迭代，E蜂优化；五、计算E蜂招募概率；六、O蜂优化；七、更新全局最优解；八、判断迭代终止条件，若满足，优化完成；反之进行步骤九；九、判断各解是否满足S蜂启动条件，若不满足，返回步骤四；若满足，进行步骤十；十、启动S蜂，产生一个新解替换原解，返回步骤四。该方法能简化遥感成像几何模型结构，使其更准确地逼近成像几何关系。
-
公开(公告)号：CN102163338B
公开(公告)日：2014-09-03
申请号：CN201110088314.8
申请日：2011-04-08
Applicant: 哈尔滨工业大学
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：CN103927456A
公开(公告)日：2014-07-16
申请号：CN201410169422.1
申请日：2014-04-25
Applicant: 哈尔滨工业大学
Abstract: 一种基于蜂群算法的遥感影像有理函数模型优化方法，涉及遥感成像几何模型优化领域。针对基于有理函数模型的遥感成像几何模型因参数项过冗余造成的模型精度低问题，用蜂群算法对该模型进行优化，步骤如下：一、构造待求解的二值向量x和收益度函数f(x)；二、初始化蜂群算法参数；三、蜂群初始化；四、开始迭代，E蜂优化；五、计算E蜂招募概率；六、O蜂优化；七、更新全局最优解；八、判断迭代终止条件，若满足，优化完成；反之进行步骤九；九、判断各解是否满足S蜂启动条件，若不满足，返回步骤四；若满足，进行步骤十；十、启动S蜂，产生一个新解替换原解，返回步骤四。该方法能简化遥感成像几何模型结构，使其更准确地逼近成像几何关系。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.026 seconds)
