-
公开(公告)号：CN106503754A
公开(公告)日：2017-03-15
申请号：CN201611008370.5
申请日：2016-11-16
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6276
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：CN106501790A
公开(公告)日：2017-03-15
申请号：CN201610971539.0
申请日：2016-11-04
Applicant: 哈尔滨工业大学
IPC: G01S7/48
CPC classification number: G01S7/4802
Abstract: 一种浅海水下目标高光谱参数化特征提取方法，本发明涉及浅海水下目标高光谱参数化特征提取方法。本发明是为了解决现有技术直接采用全光谱或单一波长反射率作为特征时缺乏稳定性的问题。本发明步骤为：步骤一：建立水下目标离水辐射率仿真模型；步骤二：确定使目标离水辐射率仿真值与实际测量值误差最小的水下目标离水辐射率仿真模型输入参数；步骤三：将步骤二确定的输入参数中的目标估计深度与反射率作为目标的高光谱遥感特征。本发明提出通过光谱仪接收信号估计与水下目标属性有关的深度和反射率作为特征，使目标特征具有物理意义的同时提高了特征的稳定性，提高水下目标高光谱探测能力。本发明应用于光学遥感信号处理领域。
-
公开(公告)号：CN106127697A
公开(公告)日：2016-11-16
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：CN106097252A
公开(公告)日：2016-11-09
申请号：CN201610464694.3
申请日：2016-06-23
Applicant: 哈尔滨工业大学
Abstract: 基于图Graph模型的高光谱图像超像素分割方法，本发明涉及高光谱图像超像素分割方法。本发明是要解决现有超像素图像分割研究大多是针对自然图像或单波段遥感图像存在较大的误差的问题，而提出的基于图Graph模型的高光谱图像超像素分割方法。该方法是通过一、得到降维后的高光谱图像以及高光谱图像的降维结果Y；二、根据高光谱图像的降维结果Y建立图模型，得到赋权图G′；三、设定超像素的初始位置，根据超像素的初始位置利用超像素生成算法生成k个超像素；四、统计每个顶点vi的24邻域中超像素标签的众数，将顶点vi的标签更新为该众数，得到超像素分割的结果等步骤实现的。本发明应用于高光谱图像超像素分割领域。
-
公开(公告)号：CN103021021B
公开(公告)日：2016-03-23
申请号：CN201210457985.1
申请日：2012-11-15
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 采用方差分量估计的广义立体像对三维重建方法，涉及一种三维重建方法，为了解决面对不同成像系统下由于大角度造成的同图像各像素分辨率差异及不同成像条件图像间分辨率差异很大时，现有的基于RFM的广义立体像对三维重建方法存在具有严重不平衡性的广义线性方程组的问题。所述方法为通过利用广义立体像对中相应的待重建目标点的像素级分辨率关系实现将方差分量估计方法嵌入到经典的基于有理多项式模型RFM前方交汇的三维重建方法中，实现迭代求解未知三维坐标过程中的权值矩阵自适应调整，从而有效提高三维重建精度，提高广义立体像对进行三维重建的可行性，它用于广义立体像对的三维重建。
-
Patent Agency Ranking
公开(公告)号：CN105184322A
公开(公告)日：2015-12-23
申请号：CN201510582557.5
申请日：2015-09-14
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 一种基于增量集成学习的多时相影像分类方法，涉及多时相遥感图像分类技术领域。本发明是为了解决多时相影像分类精度低的问题。本发明在集成学习的基础之上，引入增量学习，构造多时相分类器，实现连续地在线学习。首先，每个时相的影像数据分别作为支持向量机SVM算法的基本核函数，然后通过集成学习算法得到强分类器C0；其次，引入新的训练数据，更新原始的训练数据集，得到增量数据集，再通过集成学习算法得到强分类器C1；依次引入新的训练数据，通过集成学习算法得到强分类器Cn；最后各个强分类器相加得到最终分类器，用于测试样本的分类。本发明适用于多时相影像分类。
-
公开(公告)号：CN102331402B
公开(公告)日：2013-05-01
申请号：CN201110146379.3
申请日：2011-06-01
Applicant: 哈尔滨工业大学
Abstract: 一种高光谱成像化学气体检测识别方法，本发明涉及化学气体检检测识别方法。本发明解决了现有的基于化学方法对化学气体的检测和识别的方法需要到现场取样和检测速度慢的技术问题。本发明先在被检测地区无化学气体时拍摄光谱图像，得到背景的像素向量，再从化学气体光谱库中得到被检测化学气体光谱向量，然后对被检测地区拍摄光谱图像，并用滤波器滤波，将滤波器的输出值按大小顺序排列，再设定化学气体的门限，将滤波器的输出值和化学气体的门限输入判决器，记录大于门限的滤波器的输出值，得到含有化学气体的像素集合；将含有化学气体的像素利用最小化马氏距离的方式判断，识别出气体类别。可用于对化工厂污染气体排放的检测和环境监测领域。
-
公开(公告)号：CN103021021A
公开(公告)日：2013-04-03
申请号：CN201210457985.1
申请日：2012-11-15
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 采用方差分量估计的广义立体像对三维重建方法，涉及一种三维重建方法，为了解决面对不同成像系统下由于大角度造成的同图像各像素分辨率差异及不同成像条件图像间分辨率差异很大时，现有的基于RFM的广义立体像对三维重建方法存在具有严重不平衡性的广义线性方程组的问题。所述方法为通过利用广义立体像对中相应的待重建目标点的像素级分辨率关系实现将方差分量估计方法嵌入到经典的基于有理多项式模型RFM前方交汇的三维重建方法中，实现迭代求解未知三维坐标过程中的权值矩阵自适应调整，从而有效提高三维重建精度，提高广义立体像对进行三维重建的可行性，它用于广义立体像对的三维重建。
-
公开(公告)号：CN102289790A
公开(公告)日：2011-12-21
申请号：CN201110169616.8
申请日：2011-06-22
Applicant: 哈尔滨工业大学
Abstract: 一种超声心动图粒子图像测速速度场修正方法，它涉及速度场修正方法。本发明解决了解决现有超声医学图像进行噪声抑制的方法中空域滤波法会引起图像模糊和细节丢失、小波变换法对超声图像的乘性噪声效果不佳及各向异性扩散降噪法算法难度大的技术问题。方法：1、读入t时刻的超声心动图的初始速度场；2、计算各速度矢量对应的协方差矩阵；3、对各速度矢量进行各向异性扩散；4、各速度矢量进行中值滤波；5、各速度矢量移流计算；6、判断是否是最后的循环；如果是，则执行步骤9的结束；如果不是，则执行步骤7的计算下一循环的初始速度场；步骤8、令循环次数加1后，返回至步骤2；本方法能保持速度场细节，可对各种粒子图像测速场进行处理。
-
公开(公告)号：CN101582159A
公开(公告)日：2009-11-18
申请号：CN200910072383.2
申请日：2009-06-26
Applicant: 哈尔滨工业大学
Abstract: 基于无监督核回归分析的红外图像背景抑制方法，它属于图像处理领域，它解决了在红外图像背景杂波抑制领域中存在的需要先验知识、自适应性较差的技术难题。首先设定滑动窗口用于背景预测；通过确定高斯函数作为无监督核回归分析的核函数；将预测背景杂波样本代入函数中，计算无监督核回归方程；再将中心测试样本(O)输入到所述的无监督核回归方程，得到中心测试样本(O)的预测值；之后中心测试样本(O)值减去预测值；接下来移动滑动窗口，重复上一过程，直到遍历全图，并输出背景抑制结果图像。它能够有效提高如红外目标识别与跟踪、红外图像监测等系统的目标探测能力和定位精度。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.028 seconds)
