-
公开(公告)号：CN117058058A
公开(公告)日：2023-11-14
申请号：CN202311025961.3
申请日：2023-08-15
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向旋转合成孔径计算成像的序列图像融合方法，所述方法立足于旋转合成孔径光学遥感系统成像机理，提出基于视觉Transformer的端到端图像融合网络。时空信息提取模块中的帧内自注意力计算，可更为有效地处理遥感图像中不同尺度的物体的信息。同时使用帧间互注意力替代显式的对准模块，可自适应地捕捉不同帧中相近位置的像素之间的关联，并减少伪影的产生。融合网络的时空信息融合模块中使用视觉滑动窗口Transformer模块，通过Transformer本身强大的建模能力对时域信息进行充分融合，能够充分利用低质量图像序列中的额外信息，为旋转合成孔径系统的实际在轨应用提供特性先验与数据输入。
-
公开(公告)号：CN113446998B
公开(公告)日：2022-09-30
申请号：CN202110727401.7
申请日：2021-06-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于高光谱目标探测数据的动态解混方法，所述方法包括如下步骤：步骤1：提取高光谱目标探测数据中目标所在混合像元光谱数据，构建混合像元时序矩阵；步骤2：基于高光谱目标探测数据估计目标所在场景的光谱曲线；步骤3：基于步骤1筛选的谱段，以步骤2估计的场景光谱作为先验信息，对步骤1中获取的混合像元矩阵进行动态解混，得到真实的目标光谱。该方法可以实现对亚像元目标在不同场景下高光谱探测数据的光谱动态解混，获取更准确的有利于后续目标识别等应用的光谱特性。
-
公开(公告)号：CN114581349A
公开(公告)日：2022-06-03
申请号：CN202210158227.3
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 一种基于辐射特性反演的可见光图像与红外图像融合方法，属于光学图像处理技术领域，具体包括以下步骤：步骤一：利用多谱段可见光图像反演计算场景中地物全谱段反射特性；步骤二：利用红外图像反演计算场景中地物热辐射特性；步骤三：将地物全谱段反射特性、地物热辐射特性融合得到高分辨率的红外场景，通过全链路仿真重构红外图像；步骤四：建立真实高分辨率红外图像与实测低分辨率红外图像间退化关系，利用实测红外图像对重构仿真结果进行修正，得到高保真的高分辨率红外图像。本发明能够为地表分析、环境监测、灾害防控等提供高分辨率图像数据，同时为相关检测识别方法研究提供特性先验与数据输入。
-
公开(公告)号：CN109255286B
公开(公告)日：2021-08-24
申请号：CN201810807503.8
申请日：2018-07-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度学习网络框架的无人机光学快速检测识别方法，所述方法步骤如下：步骤一：针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据，并按照标准VOC数据格式对采集的光学成像实验数据进行处理；步骤二：搭建YOLO网络框架，利用残差网络模块对YOLO网络框架进行改进，对改进后的YOLO网络框架进行训练，得到检测识别模型；步骤三：选取包含五种无人机的实拍飞行光学成像实验数据，利用步骤二所得的检测识别模型进行检测识别。本发明避免了对无人机和复杂背景特征人工建模复杂、适用性不强等问题，能够大大提高复杂背景下动目标检测识别的速度和准确率。
-
公开(公告)号：CN109255286A
公开(公告)日：2019-01-22
申请号：CN201810807503.8
申请日：2018-07-21
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于YOLO深度学习网络框架的无人机光学快速检测识别方法，所述方法步骤如下：步骤一：针对目前市场主流的五种无人机开展飞行试验采集光学成像实验数据，并按照标准VOC数据格式对采集的光学成像实验数据进行处理；步骤二：搭建YOLO网络框架，利用残差网络模块对YOLO网络框架进行改进，对改进后的YOLO网络框架进行训练，得到检测识别模型；步骤三：选取包含五种无人机的实拍飞行光学成像实验数据，利用步骤二所得的检测识别模型进行检测识别。本发明避免了对无人机和复杂背景特征人工建模复杂、适用性不强等问题，能够大大提高复杂背景下动目标检测识别的速度和准确率。
-
Patent Agency Ranking
公开(公告)号：CN108364250A
公开(公告)日：2018-08-03
申请号：CN201810094235.X
申请日：2018-01-30
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于矢量衍射理论的菲涅尔衍射光学系统成像仿真方法，所述方法包括如下步骤：步骤一：基于同心圆形分块思想，将原始图像分割为若干个具有相同环宽的环带图像块；步骤二：利用时域有限差分法(FDTD)，计算各环带的MTF；步骤三：利用各环带MTF对图像块进行低通滤波，并添加噪声。本发明提出的方法适用于以衍射镜为主镜的光学系统成像质量的仿真预估，可获取具有低MTF、低SNR、大尺寸PSF空间移变等衍射光学特性的仿真图像，能够为衍射光学成像系统的优化设计以及图像处理算法的研究与验证提供支持，填补了目前衍射光学成像质量精细仿真建模理论方法的空白。
-
公开(公告)号：CN119559499A
公开(公告)日：2025-03-04
申请号：CN202411593334.4
申请日：2024-11-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 基于多模型集成和渐进式预测的遥感图像目标检测识别方法，属于目标探测与识别技术领域。方法如下：将数据集分成训练集和验证集，将训练集训练得到输入数据；将输入数据输入网络中获得不同层级的特征图，将不同层级的特征图输入到网络上，得到模型A；将输入数据输入网络中得到高层次的特征图，将高层次的特征图输入到网络上，得到模型B；使用模型A和模型B构建多模型集成预测框架，输出目标检测识别结果。本发明在网络训练过程中充分结合了多样性训练增广策略以获取更为多样性的训练样本，提升模型泛化能力；相较于单一模型预测可提升mAP 10％以上，能够充分挖掘现有检测方法对于遥感目标检测识别的潜力。
-
公开(公告)号：CN114581349B
公开(公告)日：2025-01-14
申请号：CN202210158227.3
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 一种基于辐射特性反演的可见光图像与红外图像融合方法，属于光学图像处理技术领域，具体包括以下步骤：步骤一：利用多谱段可见光图像反演计算场景中地物全谱段反射特性；步骤二：利用红外图像反演计算场景中地物热辐射特性；步骤三：将地物全谱段反射特性、地物热辐射特性融合得到高分辨率的红外场景，通过全链路仿真重构红外图像；步骤四：建立真实高分辨率红外图像与实测低分辨率红外图像间退化关系，利用实测红外图像对重构仿真结果进行修正，得到高保真的高分辨率红外图像。本发明能够为地表分析、环境监测、灾害防控等提供高分辨率图像数据，同时为相关检测识别方法研究提供特性先验与数据输入。
-
公开(公告)号：CN114118504B
公开(公告)日：2024-07-23
申请号：CN202010879574.6
申请日：2020-08-27
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种卫星轨道预测方法及系统，涉及空间光学信息处理领域。该方法包括：利用被观测卫星几何模型的面元通过BRDF建立光度信号观测模型；根据被观测卫星的轨道位置和瞬时速度利用牛顿两体引力运动方程确定轨道运动学方程；利用轨道运动学方程和光度信号观测模型采用无损卡尔曼滤波算法预测下一观测时刻被观测卫星的卫星轨道参数；当被观测卫星超出观测范围时，对应的预测的下一观测时刻卫星轨道参数为卫星轨道参数预测值；通过光度信号观测模型和轨道运动学方程对卫星轨道参数进行更加准确地预测，通过无损卡尔曼滤波算法降低误差对光度信号观测值更新的影响，提高了卫星轨道参数预测的精度。
-
公开(公告)号：CN118212401A
公开(公告)日：2024-06-18
申请号：CN202410377102.9
申请日：2024-03-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于非稳态杂波抑制的暗弱目标检测方法，属于目标探测与识别技术领域。所述方法为：采用两个可学习的滤波器提取输入红外图像的目标特有频谱和目标‑背景一致性频谱；采用一个带残差连接模块的密集连接的U‑Net网络作为主干网络，该网络采用双向交互式注意力机制模块，从频谱分量中提取特征，并得到目标特有特征和目标‑背景一致性特征；对两个特征采用一个实例级的对比损失来辅助滤波器的学习，实现目标特有特征与目标背景一致性特征的解耦；对目标特有特征采用真实标注进行监督，执行红外小目标检测任务。本发明提出一个频域解耦方法，保留有效的频谱可提升目标检测的性能，实现了复杂背景的有效去除。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.04 seconds)
