-
公开(公告)号：CN118067628A
公开(公告)日：2024-05-24
申请号：CN202410194977.5
申请日：2024-02-22
Applicant: 辽宁工程技术大学
IPC: G01N21/17 , G06V20/13 , G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06N3/084 , G01N21/31 , G01S19/42
Abstract: 本发明提供一种基于BP神经网络的河流水质参数遥感监测方法，涉及水质监测技术领域。收集整理水质监测站的水质参数监测数据；利用皮尔逊相关系数筛选出与水质相关性高的波段组合数据，选择相关性最大的波段组合反射率用于反演模型建立；设计BP神经网络的层数，选择传递函数与训练算法，最终建立反演模型；获取更多不同年份的卫星遥感影像，通过构建好的河流地表水质反演模型反演得到多年河流地表水源地水质参数的浓度，达到河流水质监测目的。将BP神经网络应用在水质领域可以帮助监测和预测水质状况，对于水质管理和环境保护具有重要意义。水质参数通过多次迭代训练，网络可以逐渐优化，以达到对水质参数的预测准确性。
-
公开(公告)号：CN116343032A
公开(公告)日：2023-06-27
申请号：CN202310234020.4
申请日：2023-03-13
Applicant: 辽宁工程技术大学
IPC: G06V20/10 , G06V20/13 , G06V10/58 , G06V10/764 , G06V10/766
Abstract: 为了探究函数型数据分析方法在高光谱影像处理中的有效性，本发明提出结合高斯回归混合模型和MRF高光谱函数数据的分类方法；首先，运用多项式回归拟合高光谱影像像素光谱曲线，以便用函数形式表达像素光谱信息；然后，通过引入邻域关系建立马尔可夫随机场模型，同时结合高斯回归混合模型建立邻域高斯回归混合模型；最后，根据最大后验概率准则，获取最终高光谱影像分类结果。由于充分结合了高光谱影像的空‑谱信息，使得本发明算法具有高精度的分类结果，有效改善高光谱影像的分类性能。
-
公开(公告)号：CN106709473B
公开(公告)日：2020-03-24
申请号：CN201710044460.8
申请日：2017-01-19
Applicant: 辽宁工程技术大学
Abstract: 一种基于体元的机载LIDAR道路提取方法，属于遥感数据处理技术领域；该方法包括：将原始机载LIDAR点云数据规则化为3D体元数据集；从3D体元数据集中分离出地面体元数据集；用道路反射的激光强度特性从地面体元中搜寻道路种子体元，提取与道路种子体元3D连通且强度差小于设定阈值的包含有数据点的体元作为道路提取结果；本发明综合利用了强度信息及各体元间隐含的高程信息，以3D连通性构建理论为基础，实现了3D道路的提取，该方法使得点云数据中的目标信息检测转换成基于体元空间邻域关系的搜索标记方式，很好的利用了3D体元数据中各体元间隐含的邻域关系，有助于基于体元理论的机载LIDAR点云数据处理及应用的发展。
-
公开(公告)号：CN106485716B
公开(公告)日：2019-04-02
申请号：CN201610813863.X
申请日：2016-09-09
Applicant: 辽宁工程技术大学
Abstract: 本发明提出一种基于区域划分与Gamma混合模型的多视SAR图像分割方法，属于图像处理技术领域，该方法通过Gamma混合模型来模拟多视SAR图像的分布，从而达到分割SAR图像的目的，并使用Voronoi多边形来代替像素作为处理单元，能够有效消除SAR图像本身存在的斑点噪声影响，而且在Gamma混合模型的基础上利用Potts模型引入了邻域关系，同时约束了多边形的类属性，进而提高SAR图像的分割精度。
-
公开(公告)号：CN105844602B
公开(公告)日：2018-11-20
申请号：CN201610201234.1
申请日：2016-04-01
Applicant: 辽宁工程技术大学
Abstract: 针对现有研究所采用的数据组织形式均不利于发挥机载LIDAR点云真3D特性的局限性，本发明提出一种基于体元的机载LIDAR点云三维滤波方法，属于遥感数据处理领域，方法包括：读取原始LIDAR点云数据；异常数据辨识及剔除；二值体元数据结构模型建立；基于体元的3D滤波。该方法将离散的点云规则化为二值3D体数据，根据体元中是否包含有激光点分别为体元赋值1和0，包含激光点赋值1，无激光点赋值0，1和0分别代表目标和背景，进而选择局部高程最低作为地面种子体元并标记其邻域目标体元为地面体元，本发明有助于3D数据表达及处理。
-
Patent Agency Ranking
公开(公告)号：CN105205450B
公开(公告)日：2018-08-07
申请号：CN201510523943.7
申请日：2015-08-24
Applicant: 辽宁工程技术大学
IPC: G06K9/00
Abstract: 种基于非规则标识点过程的SAR图像目标提取方法,属于图像处理领域。包括:(1)获得待提取目标图像,(2)假设图像共有m个目标:随机产生m个生成点,并以此作为每个目标的重心点,分别为每个重心点生成个由若干节点构成的多边形。其中,重心点坐标用来定位目标,由节点组成的标识用来刻画目标几何形状(3)根据贝叶斯定理得到后验概率分布,即图像几何特征提取模型。(4)利用RJMCMC算法模拟后验概率分布。(5)通过最大后验概率准则,得到图像几何特征提取模型最优解,完成目标提取。利用多边形拟合目标区域,构建以非规则图形为标识的标识点过程,拟合图像中具有任意形状的目标,极大提高目标提取精度,且简单易于实现。
-
公开(公告)号：CN105205450A
公开(公告)日：2015-12-30
申请号：CN201510523943.7
申请日：2015-08-24
Applicant: 辽宁工程技术大学
IPC: G06K9/00
CPC classification number: G06K9/0063
Abstract: 一种基于非规则标识点过程的SAR图像目标提取方法，属于图像处理领域。包括：(1)获得待提取目标图像，(2)假设图像共有m个目标：随机产生m个生成点，并以此作为每个目标的重心点，分别为每个重心点生成一个由若干节点构成的多边形。其中，重心点坐标用来定位目标，由节点组成的标识用来刻画目标几何形状(3)根据贝叶斯定理得到后验概率分布，即图像几何特征提取模型。(4)利用RJMCMC算法模拟后验概率分布。(5)通过最大后验概率准则，得到图像几何特征提取模型最优解，完成目标提取。利用多边形拟合目标区域，构建以非规则图形为标识的标识点过程，拟合图像中具有任意形状的目标，极大提高目标提取精度，且简单易于实现。
-
公开(公告)号：CN116188858A
公开(公告)日：2023-05-30
申请号：CN202310159568.7
申请日：2023-02-24
Applicant: 辽宁工程技术大学
IPC: G06V10/764 , G06T3/40
Abstract: 本发明设计一种基于Voronoi划分的超像素分割方法，属于光谱一致性约束的超像素分割领域；本发明将Voronoi划分子区域视为一个超像素，使位于地物边界处的超像素其局部边缘与该目标边界吻合，生成的超像素形状相对规则；由于唯一决定Voronoi划分的就是种子点的位置，因此可将超像素分割问题转化为种子点确定问题，即通过不断移动种子点位置，使Voronoi划分的每一个子区域满足超像素要求；与现有超像素分割方法相比，本发明使用超像素的边界拟合性更好，形状相对规则，并且为超像素分割提供一种具有实际意义的技术方案。
-
公开(公告)号：CN115661555A
公开(公告)日：2023-01-31
申请号：CN202211277947.8
申请日：2022-10-19
Applicant: 辽宁工程技术大学
IPC: G06V10/77 , G06V10/764 , G06V10/74 , G06V10/44 , G06F17/16
Abstract: 本发明提供一种基于划分随机投影的集成熵加权高光谱遥感影像分类方法，涉及遥感影像分类技术领域。在PRP算法的基础上，结合基于单个类别可分信息的投影矩阵挑选策略和最小距离分类器生成适合于某个类别的距离矩阵。对所有类别重复上述步骤，并计算所有类别的距离矩阵的信息熵作为权重从而生成最终的相似性度量矩阵，从而实现高光谱遥感影像分类。本发明能很好地解决PRP算法的随机性可能会导致不稳定的分类结果的问题，能有效地提高高光谱遥感影像的分类精度和稳定性，对于可分性较差的类别亦可以较好进行区分，可以满足完备精细地分类大尺度高光谱遥感影像的任务。
-
公开(公告)号：CN114821167A
公开(公告)日：2022-07-29
申请号：CN202210427847.2
申请日：2022-04-22
Applicant: 辽宁工程技术大学
IPC: G06V10/764 , G06K9/62 , G06V10/762 , G06V10/774
Abstract: 本发明提出一种基于多约束条件下函数化表示的高光谱图像分类方法，针对现有基于函数型数据分析的高光谱图像分类方法未充分利用图像的空间特征的问题，提出在多约束条件下采用B‑样条函数拟合高光谱图像中像素光谱曲线，即将简单最小二乘拟合误差模型扩展为涵盖加权平方误差项、粗糙惩罚项以及超像素邻域约束空间相干项的拟合误差模型，以得到顾及空间关系的像素光谱曲线精准拟合；通过对拟合光谱曲线的函数主成分分析，获取分类特征；利用支持向量机实现高光谱图像分类；为了验证提出算法的有效性，采用Indian Pines、University of Pavia和Salinas高光谱图像进行分类实验；本发明提出的算法可以有效表征光谱信息，且能够在有限数量训练样本的情况下取得良好的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.023 seconds)
