-
公开(公告)号：CN109801218B
公开(公告)日：2022-09-20
申请号：CN201910013887.0
申请日：2019-01-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于多层耦合卷积神经网络的多光谱遥感图像Pan‑sharpening方法，通过两个卷积自编码器分别提取输入图像与输出图像的高层特征，并通过耦合卷积网络在两个高层特征间建立特征映射层的同时在网络的输入与输出图像间建立端到端连接，最终微调整体网络框架。本发明通过卷积自编码器的算法充分提取了图像LM‑HR和图像HR‑MS的内在特征，并通过耦合卷积的方式，在两个内在特征间建立卷积神经网络并在网络的输入与输出间创建连接形成端到端的网络，提高了融合精度。
-
公开(公告)号：CN114118308A
公开(公告)日：2022-03-01
申请号：CN202210091082.X
申请日：2022-01-26
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于约束能量最小化变分自编码的高光谱目标检测方法，包括以下步骤：利用约束能量最小化算法粗检测得到用于网络训练的背景样本；将背景样本输入到变分自编码器网络中进行训练，在变分自编码网络中引入能量最小化约束，从而在训练过程中，抑制疑似目标像元的影响，更好地重构出背景；用原始图像与重构背景作差得到残差，再使用约束能量最小化对残差进行检测得到检测图，其中自相关矩阵由重构的背景成分计算得到，对检测图使用非线性函数抑制背景像素保持目标像素不变，最后根据检测图得到最终的结果。本发明提出将约束能量最小化的自相关矩阵使用重构背景计算，消除了目标对自相关矩阵计算的影响，提高了目标检测精度。
-
公开(公告)号：CN113034343B
公开(公告)日：2021-09-03
申请号：CN202110588085.X
申请日：2021-05-28
Applicant: 南京理工大学
Abstract: 本发明公开了一种参数自适应的高光谱图像分类GPU并行方法，包括以下步骤：针对高光谱分类并行算法，在CPU+多GPU异构平台上构造并行计算负载均衡模型；根据CPU+多GPU异构系统负载均衡模型采用二进制编码来对异构系统的参数配置方案进行描述；根据异构系统负载均衡模型采用布谷鸟搜索算法求解CPU+多GPU异构系统负载均衡模型的最优解；根据获得的最优解为异构系统配置相应的参数并运行高光谱遥感图像分类并行算法，参数包括：CPU参与计算的核数、CPU频率、GPU参与计算的设备数、GPU频率和CPU计算的任务占总任务的百分比。本发明能够充分利用CPU与GPU的计算资源，对高光谱遥感数据进行快速地分类。
-
公开(公告)号：CN113157661A
公开(公告)日：2021-07-23
申请号：CN202110451095.9
申请日：2021-04-26
Applicant: 南京理工大学
IPC: G06F16/182 , G06F16/2453
Abstract: 本发明公开了一种基于云平台的高光谱遥感大数据奇异值分解的分布式并行优化方法，包括：将高光谱原始图像分块上传至HDFS分布式文件系统中，使用Spark云计算框架进行分布式并行读取；将读取结果封装成矩阵形式，并执行双边Jacobi方法；将所有分块数据的计算结果进行合并，对合并矩阵执行双边Jacobi算法。本发明能够快速、精确地对高光谱遥感图像进行奇异值分解。
-
公开(公告)号：CN112149652A
公开(公告)日：2020-12-29
申请号：CN202011351142.4
申请日：2020-11-27
Applicant: 南京理工大学
Abstract: 本发明公开了一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，用于在低比特率下对高光谱图像进行有损压缩，该方法包括：高光谱图像整体输入到卷积神经网络当中训练和测试；编码器和解码器采用卷积结构提取高光谱图像的空谱特征，网络采用的激活函数为广义分裂归一化层，经过量化器和熵编码后得到比特流进行存储和传输；考虑到波段之间的相关性，首先采取单向光谱卷积针对光谱信息进行压缩和解压缩，再通过编码器提取空谱联合特征；网络损失函数为率‑失真损失函数。该损失函数平衡压缩率与图像失真程度，使得网络能够根据不同的平衡因子学习到不同的压缩能力，在性能上有了显著的提升。
-
Patent Agency Ranking
公开(公告)号：CN108133465A
公开(公告)日：2018-06-08
申请号：CN201711489305.3
申请日：2017-12-29
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于空谱加权TV的非凸低秩松弛的高光谱图像恢复方法。首先利用局部空间邻域的梯度信息，建立空谱联合的加权TV，继而在高光谱图像低秩恢复的框架下，引入矩阵的γ范数作为矩阵秩的非凸松弛，结合空谱加权TV，建立空谱加权TV的高光谱图像非凸低秩恢复模型。利用ADMM方法(Alternating Direction Method of Multipliers，交替方向乘子法)将模型分解为几个子问题，并分别采用非凸软阈值算子，分裂Bregman迭代，软阈值收缩算子等对转换后的子问题进行求解；得到恢复后的高光谱图像。本发明充分挖掘高光谱图像的光谱以及空间信息，具有很好的空间结构保持性能、光谱保真性，同时，具有良好的无偏性和鲁棒性，本发明能够快速、有效的去除混合噪声，得到具有良好视觉效果的高光谱图像。
-
公开(公告)号：CN107292844A
公开(公告)日：2017-10-24
申请号：CN201710467408.3
申请日：2017-06-20
Applicant: 南京理工大学
Abstract: 本发明公开了一种全变差正则化变分随机共振自适应暗图像滤波增强方法。该方法在变分框架下将全变差正则化滤波与随机共振增强进行耦合，通过全变差正则化图像去噪和随机共振图像增强两个步骤的交替迭代实现含噪声的低对比度暗图像的滤波去噪和对比度增强。本发明提出的模型自适应计算方法，一方面使本发明可以适用于不同的图像，提高算法适用性，另一方面也可以自适应保持图像亮度阈值在正常范围内。本发明可以在增强图像对比度的同时，有效地抑制噪声并保持图像的细节成分，增强之后的图像具有良好视觉效果，在医学成像、夜视安全监控等领域具有广泛的应用前景。
-
公开(公告)号：CN106127179A
公开(公告)日：2016-11-16
申请号：CN201610514796.1
申请日：2016-06-30
Applicant: 南京理工大学
IPC: G06K9/00
CPC classification number: G06K9/0063 , G06K9/00684
Abstract: 本发明公开了一种基于自适应分层多尺度的高光谱遥感图像分类方法，包括以下步骤：步骤1，根据光谱角计算像元的不规则邻域结构；步骤2，在不规则邻域结构中，根据Ka度量分层确定每层的尺度参数，逐层计算出每层对应的核矩阵，再利用最大投影方差得到每层核函数的权重，从而得出自适应分层多尺度核函数；步骤3，将高光谱图像映射到步骤2所得自适应分层多尺度核函数的核空间中，将待测像元基于由已知训练样本像元组成的字典线性表示，得到重构稀疏矩阵，并将待测像元分配到最优重构类别。本发明能够对高光谱遥感数据进行快速、精确的分类。
-
公开(公告)号：CN103106644B
公开(公告)日：2016-04-27
申请号：CN201310044039.9
申请日：2013-02-02
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种克服彩色图像非均匀光照的自适应画质增强方法。该方法先计算亮度图像；利用亮度图像中像素邻域内的平均强度值计算局部亮度指标；建立局部亮度指标与对比度增强系数之间的映射关系；用对比度增强系数构造单通道图像像素间对比度差异度量，进而加权整合为全局自适应对比度能量项；将该全局自适应能量与熵离差项组成图像增强的代价最小化模型；最后利用梯度下降法求解该模型的最小值作为增强后的单通道图像；所有通道都处理完毕后，将全部增强后的单通道图像合并成输出的彩色图像。本发明在有效提升图像对比度和去除色偏的同时，能消除过亮和过暗的光照不均匀效果，保持明暗区域中物体的细节完整性。
-
公开(公告)号：CN103208097B
公开(公告)日：2015-09-30
申请号：CN201310034170.7
申请日：2013-01-29
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种图像多方向形态结构分组的主分量分析协同滤波方法。该方法对图像进行重叠分块，根据图像块的方差、梯度和奇异值信息对图像块进行多方向形态结构分组，得到光滑块组、随机块组、方向边缘块组和方向纹理块组；然后对分组的图像块进行特征自适应主分量分析，利用硬阈值收缩法对图像块变换系数进行滤波，进而进行分组重构；最后将分组重构块聚合为整幅滤波图像。本发明方法充分考虑了图像块的多方向形态结构和图像的非局部相似性信息，图像滤波过程具有很好的结构和纹理保持特性，消除噪声能力很强，可广泛的应用于图像特征提取和目标检测的预处理过程。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.023 seconds)
