-
公开(公告)号：CN114782763A
公开(公告)日：2022-07-22
申请号：CN202210545904.7
申请日：2022-05-19
Applicant: 哈尔滨工业大学
IPC: G06V10/77 , G06V10/764 , G06V10/44 , G06V20/10 , G06K9/62
Abstract: 多视角高分遥感图像稀疏主成分对齐方法，本发明涉及多视角高分遥感图像对齐方法。本发明的目的是为了解决现有高空间分辨率遥感图像成像时存在的多角度问题，该问题导致遥感图像分类准确率低。过程为：1：利用稀疏主成分分析方法对获取的待处理的源域图像和带标签的目标图像进行计算，得到待处理的源域图像的特征向量和带标签的目标图像的特征向量；2：将待处理的源域图像的特征向量和带标签的目标图像的特征向量进行变换，从而使待处理的源域图像和带标签的目标图像的数据分布进行对齐，得到对齐后的待处理的源域图像和带标签的目标图像；3：基于监督式分类方法完成对待处理的源域图像的分类结果。本发明用于遥感图像处理领域。
-
公开(公告)号：CN111695436B
公开(公告)日：2022-05-13
申请号：CN202010426582.5
申请日：2020-05-19
Applicant: 哈尔滨工业大学
Abstract: 一种基于目标增强的高空间分辨率遥感图像场景分类方法，它属于遥感图像场景分类技术领域。本发明解决了高空间分辨率遥感图像中地物形式多样、空间分布复杂，导致对图像场景分类精度低，以及采用手工分类方法效率低的问题。本发明利用计算机视觉中的显著性机制，对高分辨率遥感图像进行显著性增强处理。提出一种反复注意结构，并在此基础上构建一个有效的基于目标增强的高空间分辨率遥感图像场景分类方法。本发明方法受到人类视觉系统注意机制的启发，通过迭代图像特征的方式对图像显著特征进行增强，再不断学习进而专注于图像关键区域，这样可以有效提高分类精度，也可以加快收敛速度，提高学习效率。本发明可以应用于遥感图像场景分类。
-
公开(公告)号：CN112819959B
公开(公告)日：2022-03-04
申请号：CN202110086571.1
申请日：2021-01-22
Applicant: 哈尔滨工业大学
Abstract: 高光谱图像和激光雷达数据本征高光谱点云生成方法，本发明涉及遥感图像处理技术领域，针对现有高光谱点云数据生成方法易造成信息丢失、光谱失真，并且效率低的问题，本申请利用高光谱成像的物理模型，从信号的角度出发结合高光谱图像的光谱信息和激光雷达点云的三维空间xi信息，消除高光谱图像由于光照导致的光谱信息退化导致的光谱不确定性，并通过超体素面向对象的方式，大大提升了算法的速度，最终生成光谱信息‑空间三维信息一体的本征高光谱点云，而且极大地避免了信息丢失和光谱失真。
-
公开(公告)号：CN113658069A
公开(公告)日：2021-11-16
申请号：CN202110930502.4
申请日：2021-08-13
Applicant: 哈尔滨工业大学
Abstract: 基于共有平场提取的高光谱显微图像平场校正方法及系统，涉及图像平场校正领域。本发明是为了解决目前还无法提取出共有的光照平场项用于校正高光谱显微系统中从而解决癌细胞组织高光谱显微图像存在的光照不均匀的问题，进而导致的癌细胞的组织病理分类精度较低的问题。所述方法包括：采集高光谱显微图像，并将图像分为训练集和测试集；对CFE模型训练获得训练好的CFE模型；对训练好的CFE模型进行求解得到共有平场和校正后的高光谱显微图像；利用测试集对共有平场进行评分，根据评分获得平场项的共有秩，获得最优CFE模型；将待测的高光谱显微图像输入到最优CFE模型中获得平场校正后的高光谱显微图像。本发明用于对癌细胞组织高光谱显微图像进行平场校正。
-
公开(公告)号：CN113627357A
公开(公告)日：2021-11-09
申请号：CN202110930442.6
申请日：2021-08-13
Applicant: 哈尔滨工业大学
Abstract: 一种高空间‑高光谱分辨率遥感图像本征分解方法及系统，具体涉及一种融合高空间分辨率信息的高光谱遥感图像本征分解方法、系统及用于存储其的计算机可读存储介质,方法包括一、获取全色遥感图像的空间结构一致约束项和高光谱遥感图像的光谱一致约束项；二、获取反射率分量一致约束项；三、获取反射率分量。系统包括存储器、处理器和存储在所述存储器中并可在所述处理器上运行的计算机程序。计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现任一所述方法的步骤。本发明用于将低空间分辨率的高光谱遥感图像做本征分解得到高空间分辨率的反射率图像，属于遥感图像处理领域。
-
Patent Agency Ranking
公开(公告)号：CN113392790A
公开(公告)日：2021-09-14
申请号：CN202110705642.1
申请日：2021-06-24
Applicant: 哈尔滨工业大学
Abstract: 本发明的全色/多光谱遥感图像与高光谱遥感图像的融合方法涉及遥感图像处理领域，目的是为了克服目前现有的全色/多光谱‑高光谱图像融合的结果不能合理权衡空间和光谱分辨率的问题，本发明方法具体步骤如下：步骤一、提取高光谱遥感图像的端元矩阵；步骤二、利用全色/多光谱遥感图像、高光谱遥感图像和端元矩阵建立变分模型；步骤三、对变分模型利用交替方向乘子法迭代计算，得到全色/多光谱遥感图像和高光谱遥感图像的融合图像。
-
公开(公告)号：CN107194936B
公开(公告)日：2021-02-02
申请号：CN201710374788.6
申请日：2017-05-24
Applicant: 哈尔滨工业大学
Abstract: 基于超像素联合稀疏表示的高光谱图像目标检测方法，本发明涉及高光谱图像的目标检测。本发明的目的是为了解决现有高光谱图像目标检测方法不能从三维数据整体进行信息挖掘，检测精度低的问题。过程为：一：建立超像素约束下的目标和背景的信号联合稀疏表示模型；二：利用图像超像素分割方法将待检测高光谱图像进行分割，分割的结果作为空间约束的先验信息；三：利用获得的目标和背景样本建立目标字典At和背景字典Ab；四：利用At和Ab、空间约束的先验信息和待检测高光谱图像，分别求取五：基于得到的稀疏表示系数，分别计算rb(x)和rt(x)，依据误差的大小，判定待检测高光谱图像的像元是否为检测目标。本发明用于数字图像处理领域。
-
公开(公告)号：CN111899257A
公开(公告)日：2020-11-06
申请号：CN202010818747.3
申请日：2020-08-14
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 基于多时相本征图像分解的地物光谱反射率图像提取方法，本发明涉及多/高光谱遥感图像反射率信息提取。本发明的目的是为了解决现有多/高光谱遥感图像本征反射率信息提取精度低、鲁棒性差的问题。过程为：一：建立多时相遥感图像本征反射率信息表达模型；二：构建局部时-空能量约束下的分解约束模型；三：将分解约束模型的最优解转化为共同反射率和2个阴影分量的迭代优化求解模型；四：给定多时相遥感图像和初始化参数，基于步骤三的迭代优化求解模型，求出最终本征反射率。本发明用于数字图像处理领域。
-
公开(公告)号：CN111695436A
公开(公告)日：2020-09-22
申请号：CN202010426582.5
申请日：2020-05-19
Applicant: 哈尔滨工业大学
Abstract: 一种基于目标增强的高空间分辨率遥感图像场景分类方法，它属于遥感图像场景分类技术领域。本发明解决了高空间分辨率遥感图像中地物形式多样、空间分布复杂，导致对图像场景分类精度低，以及采用手工分类方法效率低的问题。本发明利用计算机视觉中的显著性机制，对高分辨率遥感图像进行显著性增强处理。提出一种反复注意结构，并在此基础上构建一个有效的基于目标增强的高空间分辨率遥感图像场景分类方法。本发明方法受到人类视觉系统注意机制的启发，通过迭代图像特征的方式对图像显著特征进行增强，再不断学习进而专注于图像关键区域，这样可以有效提高分类精度，也可以加快收敛速度，提高学习效率。本发明可以应用于遥感图像场景分类。
-
公开(公告)号：CN111638185A
公开(公告)日：2020-09-08
申请号：CN202010384747.7
申请日：2020-05-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于无人机平台的遥感探测方法，属于遥感以及测绘领域。本发明针对现有光谱图像数据与激光雷达点云数据由于存在多源异构性而无法有效融合的问题。包括：将光谱探测器与LiDAR探测器作为整体框架挂载于无人机下方；采用无人机地面站控制无人机飞控发送数据采集命令至微控制器，再对光谱探测器、LiDAR探测器和IMU/GPS组合导航单元进行同步采集控制；进行数据配准，获得两种数据的空间对应关系；对采集数据进行上采样，实现数据的空间一致性采样；再根据空间对应关系，将光谱图像数据和LiDAR点云数据进行融合，得到多/高光谱点云数据。本发明在实现图像-光谱-空间多维度数据的一体化探测的基础上，融合光谱与空间信息，最终生成光谱点云。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.045 seconds)
