一种基于物理模型的遥感影像阴影去除方法

    公开(公告)号:CN111667432B

    公开(公告)日:2022-08-02

    申请号:CN202010526204.4

    申请日:2020-06-09

    Inventor: 刘宇 高峰 王港

    Abstract: 本发明公开了一种基于物理模型的遥感影像阴影去除方法,属于遥感图像处理技术领域。该方法首先获取遥感影像成像时刻的太阳天顶角、水平能见度和水汽含量,并利用6S模型模拟该气象条件下的天空下行直射光透过率和下行散射光透过率,以各波段最小值作为程辐射值;然后综合以上参数估计阴影区域各波段需要补偿的亮度。此外,对于半阴影区域,以该半阴影像素为中心,在一定窗口内利用最小光谱角度量搜索光照端元和阴影端元,以此估计半阴影区域各波段需要补偿的亮度。该方法能够在恢复各波段亮度的同时,保持各种地物的光谱特性。

    一种结合视觉显著性和线段强度的阵地提取方法

    公开(公告)号:CN113658129A

    公开(公告)日:2021-11-16

    申请号:CN202110934692.7

    申请日:2021-08-16

    Abstract: 本发明公开了一种结合视觉显著性和线段强度的阵地提取方法,属于遥感图像处理技术领域。其包括步骤:将遥感影像分割为n个超像素,获得超像素图;利用LSD算法处理遥感影像获取线段特征图;计算ImgL中的线段与ImgSP图中的超像素相交时的超像素线段密度;计算超像素线段平行性;计算超像素线段强度;计算超像素显著性;采用加权融合的方式得到阵地强度图;对阵地强度图IMP进行阈值分割,获得阵地初步结果图ImgMP;对影像进行形态学处理;获取目标框,得到最终阵地目标识别结果。本发明可以通过显著性和线段特征快速提取阵地目标,无需人工参与,并可在不需要训练样本的情况下有效地检测阵地目标。

    一种遥感影像程辐射估计方法

    公开(公告)号:CN111947773A

    公开(公告)日:2020-11-17

    申请号:CN202010842808.X

    申请日:2020-08-20

    Abstract: 本发明公开了一种遥感影像程辐射估计方法,属于遥感图像智能处理技术领域。该方法利用遥感影像上阴影区域与光照区域成像的辐射能量差异,使用回归方法计算各个波段的程辐射。首先,提取遥感影像上的阴影像元;然后在水平方向上利用光谱夹角和光谱欧式距离度量搜索距离为4的具有相同地表覆盖的阴影像元和光照像元;最后用回归的方法得到各个波段的程辐射值。该方法不需要假设遥感影像上有反射率接近于0的暗目标,适用于所有有阴影的遥感影像程辐射估计。

    一种遥感图像海上目标检测方法

    公开(公告)号:CN107657272B

    公开(公告)日:2020-08-07

    申请号:CN201710825022.5

    申请日:2017-09-14

    Inventor: 王港 高峰

    Abstract: 本发明公开了一种遥感图像海上目标检测方法,涉及遥感领域中目标显著性检测、目标检测识别等应用。它首先利用SIFT特征提取获得计算显著度的基础;再根据特征点的位置计算目标所占外接矩形面积;最后保留每一维特征值,对其进行累加作为单点显著度,累加各个点的显著度并除以目标的矩形面积,获得目标的显著度度量。本发明方法具有效率高、准确率高、鲁棒性好等特点,是对现有技术的一种重要改进。

    基于上下文信息和注意力机制的遥感影像语义分割方法

    公开(公告)号:CN110197182A

    公开(公告)日:2019-09-03

    申请号:CN201910499421.6

    申请日:2019-06-11

    Abstract: 本发明提供了一种基于上下文信息和注意力机制的遥感影像语义分割方法。对于待标注的高分辨率遥感影像,首先进行数据预处理和数据扩增,然后利用扩增后的数据对遥感影像语义分割模型进行训练。训练过程中,图像首先经过骨干网络提取初步特征,然后经过多尺度上下文信息模块提取多尺度的特征并融合,其次利用注意力融合模块结合不同层次的特征,最后直接利用双线性插值上采样得到最终的分割结果。对于未标注的影像,首先将它分割为较小的图像块,输入语义分割网络中得到对应结果,再拼接起来得到最终的大尺寸分割结果图。

    大批量制作机器学习样本剪裁标记一体化方法

    公开(公告)号:CN109815977A

    公开(公告)日:2019-05-28

    申请号:CN201811537324.3

    申请日:2018-12-15

    Abstract: 本发明公开了一种大批量制作机器学习样本剪裁标记一体化方法,包括以下步骤:(1)对于尺度大于500Kb而不能直接进行标记的原始图片,使用人机交互界面对原始图片进行剪裁操作,形成多张能直接进行标记的样本图片;(2)对步骤一得到的多个样本图片进行标记,每张样本图片均具有标记框;(3)保存每张样本图片的标记框的位置和大小,并生成xml文件。能方便快捷的进行原始样本的剪裁并调整样本尺度的工作,当原始图片中含有多个可训练的机器样本目标时可全部裁剪并规范化样本命名和尺度大小;在裁剪完成后训练样本的基础上,可直接进行训练目标的标记工作,鼠标和键盘的有效配合能极大提高标记效率,快速完成机器学习样本的制作。

Patent Agency Ranking