-
公开(公告)号：CN112858178A
公开(公告)日：2021-05-28
申请号：CN202110029742.7
申请日：2021-01-11
Applicant: 武汉大学
IPC: G01N21/17 , G01N21/35 , G01N21/3504 , G01J5/00 , G06F30/20
Abstract: 本发明公开了一种航空热红外高光谱影像温度/发射率反演方法，包括：使用数据定量分析进行了数据优化处理，通过对数据各波段的辐射定标精度、NESR噪声大小和大气强吸收线的计算和分析，从而选择出最优波段数据，排除了存在问题的波段对反演过程的影响；为克服航空热红外高光谱数据大气校正对同步大气探空廓线的依赖，通过对全球大气格网数据进行时空分析融合，获得了更好表征数据采集时大气状况的廓线信息；引入了经验约束模型，克服了常用的平滑度物理约束对噪音敏感的问题，能够在数据噪声较高的航空数据上获得较为理想的结果。本发明以Hyper‑Cam航空数据为实验对象，并获得了良好的反演结果，为航空热红外高光谱影像的发射率和温度反演提供了参考。
-
公开(公告)号：CN105931181B
公开(公告)日：2018-10-26
申请号：CN201610231568.3
申请日：2016-04-14
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 一种基于非耦合映射关系的影像超分辨率重建方法及系统，包括分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波，得到相应金字塔影像，对每一层影像都分别构建过完备字典，并分层进行结构相似性分析，某一层不满足预设阈值则调整该层的滤波器参数；对待处理的低分辨率影像进行同样滤波，得到相应的金字塔影像，对每层影像构造成信号矩阵，利用低分辨率字典对该信号矩阵进行稀疏表达，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。本发明有效的挖掘出原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，提高了重建精度。
-
公开(公告)号：CN104036293B
公开(公告)日：2017-02-22
申请号：CN201410262170.7
申请日：2014-06-13
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤：步骤1，划分待分类遥感影像获得场景单元；步骤2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本；步骤3，采用非监督学习法学习局部图像块训练样本获得滤波器组；步骤4，将场景单元与滤波器组中各滤波器分别做卷积获得各场景单元的 幅滤波器响应图，采用二值编码法分别融合各场景单元的 幅滤波器响应图获得各场景单元的全局特征描述；步骤5，基于场景单元的全局特征描述进行场景单元分类。本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。
-
公开(公告)号：CN103632155B
公开(公告)日：2016-08-17
申请号：CN201310689353.2
申请日：2013-12-16
Applicant: 武汉大学
IPC: G06K9/46
Abstract: 本发明公开了一种基于慢特征分析的遥感影像变化检测方法，本发明将慢特征分析方法引入多时相遥感影像的变化检测中，慢特征分析方法充分考虑多时相遥感影像间的空间对应关系，并将针对连续信号分析的原始理论发展成基于离散数据集的变化检测算法。慢特征分析方法能提取多时相遥感影像数据集中的不变特征作为特征空间，在此特征空间中，多时相遥感影像间的光谱差异得到了抑制，真实变化得到了突出，从而可提高变化检测精度。同时，慢特征分析方法实现简单、运算速度很快。
-
公开(公告)号：CN105844620A
公开(公告)日：2016-08-10
申请号：CN201610157103.8
申请日：2016-03-18
Applicant: 武汉大学
CPC classification number: G06T7/0004 , G06N3/006 , G06T2207/10036
Abstract: 本发明公开了一种基于量子粒子群的高光谱遥感影像端元提取方法，本发明首次将量子粒子群优化算法引入到高光谱遥感影像端元提取方法中；其次，采用高维的粒子定义方式，使得粒子在解空间中的运动更具物理意义；最后，采用变异算子，即粒子初始化，来保持种群的多样性，避免种群陷入局部最优。本发明模型参数少，提取结果更精确，在高光谱遥感影像端元提取领域具有很好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN105761273A
公开(公告)日：2016-07-13
申请号：CN201610156118.2
申请日：2016-03-18
Applicant: 武汉大学
IPC: G06T7/00
CPC classification number: G06T2207/10032 , G06T2207/20004
Abstract: 本发明公开了一种基于图构造的高光谱遥感影像异常目标探测方法，本发明将图构造方法运用于高光谱遥感影像异常目标探测可以在无需先验模型假设的情况下，对高光谱遥感影像数据从其自身特性出发进行数据自分析，从而得到高光谱遥感影像数据中的拓扑关系。通过不同的图构造方式可以得到高光谱遥感影像数据中相应的信息，如稳健背景与潜在异常目标的分割、表征数据本征维度的嵌入特征以及通过建立临近图获取影像数据中各像元异常度积分等。通过运用不同的图构造方式逐步提取高光谱遥感影像中的潜在异常信息、嵌入特征以及异常度积分，可在不需先验模型假设的情况下，通过数据自分析，对影像中的背景进行极好地抑制，同时突出异常目标。
-
公开(公告)号：CN103745444B
公开(公告)日：2016-04-27
申请号：CN201410027475.X
申请日：2014-01-21
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于拓扑树的非真实感图像渲染方法，包括步骤：步骤1，建立原始图像的形状拓扑树表达；步骤2，根据形状拓扑树中各形状的形状属性，保持形状拓扑树结构，删除形状属性不满足阈值要求的形状；步骤3，通过对形状拓扑树中形状进行修改以实现图像渲染和重构。本发明基于图像的形状拓扑树表达，对图像基本构成单元进行修改，以达到非真实感图像渲染的目的，且可在不损失图像信息的前提下大大提高渲染效率。
-
公开(公告)号：CN103020939A
公开(公告)日：2013-04-03
申请号：CN201210551692.X
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明公开了一种利用多时相数据去除光学遥感影像大面积厚云的方法：如果光学遥感影像中存在大面积的厚云，而该区域其他时相的影像存在无云数据，则可利用它们的互补信息对云区数据进行修复重建。首先利用所有时相的无云数据进行字典学习，自适应地顾及影像间的相关性，学习出一个过完备的字典及该影像的最佳稀疏表示系数，最后对厚云区的数据修复重建。本发明利用不同的多时相影像厚云区的互补信息，以各影像的相关性作为权重，借助新兴的稀疏表达理论填补影像厚云区数据，不仅取得了较高的精度，还拓展了大面积厚云去除的思路，具有重要的实际意义。
-
公开(公告)号：CN103020913A
公开(公告)日：2013-04-03
申请号：CN201210551279.3
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于分段校正的遥感影像条带噪声去除方法：根据不同地物的分布现象可以将影像分为均匀区域与非均匀区域，根据探测元件所扫描区域灰度值的不同可以将该区域划分为不同灰度区域；通过这两种方法可以将一幅影像（按行或列扫描成像）按列或行分为不同的区间，对这些不同的区间分段采用矩匹配、直方图匹配等常用的空间域去噪方法，进行条带噪声的去除，既考虑到不同地物的类别，又结合了外界辐射变化等带来的灰度值影响，得到的结果同时顾及了地物类型和光谱特性，更能接近真实的数据，且计算效率高，更为稳健。本发明能很好地应用于遥感影像中条带噪声的去除。
-
公开(公告)号：CN103020912A
公开(公告)日：2013-04-03
申请号：CN201210551267.0
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种结合波段聚类和稀疏表达的遥感影像复原方法，以提高高光谱遥感影像的空间分辨率为目的，针对高光谱影像光谱维信息丰富以及不同波段噪声强度不同的特点，构建多波段的影像复原模型，利用波段的间高相似性及冗余信息进行相互约束和互补，最终得到高质量的高光谱影像。首先对高光谱影像进行波段聚类，将大量波段分为相关信息差别较大的少量类别；然后采用压缩感知理论对相同类别的一簇波段构建整体的变分训练多波段字典，通过该字典完成影像复原工作。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并保持其光谱特性，复原结果具有更强的空间信息和光谱信息保持性能。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.021 seconds)
