-
公开(公告)号：CN101344587A
公开(公告)日：2009-01-14
申请号：CN200810136931.9
申请日：2008-08-15
Applicant: 哈尔滨工业大学
Abstract: 用于极化合成孔径雷达图像的多成分分解方法，它涉及的是极化合成孔径雷达图像目标分解、图像分析的技术领域。它解决了现有的目标分解方法不能全面考虑所有基本散射类型的不足，它的步骤为：对全极化合成孔径雷达图像进行预处理，并得到其协方差矩阵；将地物散射的协方差矩阵分解为基本的五种散射类型，并根据协方差矩阵对应元素相等的关系，分别求出各个散射类型的加权系数；根据加权系数求出各个散射类型的散射功率，得到各个散射类型的分解结果，完成多成分分解。它全面考虑了地物的散射特性，能够更真实的反应地物的散射情况，可以更准确的描述极化合成孔径雷达图像中目标的散射特性，为后续的目标检测和分类提供更准确的信息。
-
公开(公告)号：CN101144860A
公开(公告)日：2008-03-19
申请号：CN200710144447.6
申请日：2007-10-16
Applicant: 哈尔滨工业大学
Abstract: 基于选择性核主成分分析的高光谱图像异常点的检测方法，它涉及的是高光谱图像分析检测的技术领域。它是为了解决现有高光谱图像检测技术存在不能高效的对异常点的进行特征提取，而产生较多虚警，及在有严重的背景干扰下无法对异常点有效检测的问题。它的步骤为：对数据进行归一化，并执行核主成分分析；在主分量内构造滑动窗；计算滑动窗内像素的三阶矩和四阶矩并与设定值比较；遍历主分量后，记值；所有主分量得到处理；选最大主分量；用RX算子对所选主分量进行异常点检测，输出检测结果。本发明能高效的对高光谱图像中异常点目标的特征进行提取和选择，而降低虚警率，并实现在有严重的背景干扰情况下正常对异常点进行检测。
-
公开(公告)号：CN119649214A
公开(公告)日：2025-03-18
申请号：CN202411671568.6
申请日：2024-11-21
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/58 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 基于端元查询设计与Transformer注意力机制的盲高光谱解混方法和系统，涉及高光谱图像处理领域。解决了当前简化的混合机理主要是线性混合模型，地物丰度和对应端元准确性较低以及深度学习的盲高光谱解混方法依赖于良好的端元初始化，端元初始化时解混性能下降严重的问题。方法包括：构建丰度映射模块，提取高光谱图像中特征，并对特征进行丰度解码形成估计的丰度图；将丰度图映射为丰度嵌入；构建混合机理拟合的Transformer模块，通过混合机理拟合的Transformer模块将端元查询、重构查询和丰度嵌入结合，获取端元信息和丰度信息的重构查询；根据重构查询重塑原始高光谱图像。应用于盲高光谱图像解混领域。
-
公开(公告)号：CN117079122A
公开(公告)日：2023-11-17
申请号：CN202310723124.1
申请日：2023-06-16
Applicant: 哈尔滨工业大学 , 上海航天测控通信研究所
IPC: G06V20/10 , G06V10/764 , G06V10/24 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 基于特征增强与融合的遥感图像变化检测方法以及装置，属于遥感图像变化检测技术领域，尤其涉及对地面上、卫星上或无人机上的遥感图像实时处理。解决了现有变化检测技术所存在的准确率低、特征表示能力差、类别平衡能力不足以及无法在保持较低计算复杂度的情况下，同时具有较高的精度和效率的问题。所述检测方法包括：输入同一待检测区域配准后的双时相遥感图像数据，并分别提取该数据的三个级别的特征，然后进行全局与局部特征增强，获得对应的三个差异性特征；进一步，进行融合处理获得聚合后的特征；最后，根据所述特征获得遥感图像变化检测结果。本发明适用于部署在地面、无人机或卫星上，以用于对遥感图像进行变化检测。
-
公开(公告)号：CN116777832A
公开(公告)日：2023-09-19
申请号：CN202310414342.7
申请日：2023-04-18
Applicant: 哈尔滨工业大学
IPC: G06T7/00 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 空间‑光谱联合遥感高光谱图像的异常检测方法，属于高光谱图像技术领域，本发明为解决现有高光谱异常检测存在数据存在特征维度大、数据量大、数据相关性高、冗余度高，以及准确性和效率比较差的问题。它包括：对高光谱图像中的数据进行波段分组预处理；将波段分组后的高光谱数据作为输入，构建Transformer深度学习模型，对高光谱图像的背景进行重建；采用空间‑光谱联合方法对重建背景的图像与原始高光谱图像之间的残差图像进行联合检测，分别获得光谱域和空间域的异常检测结果，将光谱域和空间域的异常检测结果进行线性组合，获得高光谱图像的异常检测结果。本发明用于高光谱图像的异常检测。
-
Patent Agency Ranking
公开(公告)号：CN110135399A
公开(公告)日：2019-08-16
申请号：CN201910452693.0
申请日：2019-05-28
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏表示的遥感图像特征提取与场景分类方法，属于遥感技术领域，本发明为解决现有技术无法正确、高效地对遥感图像场景进行分类的问题。本发明的具体过程为：对遥感图像的几何特征和纹理特征进行提取，获取遥感图像的多维度特征；将多维度特征构成冗余字典，采用贪婪算法中的正交匹配追踪算法求解稀疏表示系数，求取冗余字典与稀疏表示系数的乘积，利用获得的乘积对待分类样本进行稀疏重构，获得稀疏重构残差；采用K近邻算法获得欧氏距离，将稀疏重构残差和欧式距离进行线性加权；以获得的结果作为类别标签，根据最小化重构误差准则对待测样本进行分类。本发明用于图像处理。
-
公开(公告)号：CN106595873B
公开(公告)日：2019-03-29
申请号：CN201710001761.2
申请日：2017-01-03
Applicant: 哈尔滨工业大学
IPC: G01J5/00
Abstract: 基于长波红外大气底层辐射和可见光波段线性混合模型的亚像元温度反演方法，属于遥感图像领域，本发明为解决现有红外波段温度反演方法未将混合像元和纯净像元加以区分，导致像元特别是混合像元温度反演不准确的问题。本发明所述反演方法的具体过程为：步骤1、对可见光波段，采用自动目标提取算法进行光谱解混，实现纯像元与混合像元的定位和混合像元各组分丰度的初步估计；步骤2、对与可见光波段配准后的热红外波段图像，结合解混获得的像元丰度信息，与大气、传感器参数实现亚像元温度反演。本发明用于红外波段光谱图像处理。
-
公开(公告)号：CN105550685B
公开(公告)日：2019-01-08
申请号：CN201510940040.9
申请日：2015-12-11
Applicant: 哈尔滨工业大学
Abstract: 基于视觉注意机制的大幅面遥感影像感兴趣区域提取方法，涉及遥感图像处理技术领域，尤其涉及基于视觉注意机制的大幅面遥感影像感兴趣区域提取方法。本发明为解决现有遥感图像处理技术缺乏在大幅面遥感图像中搜索潜在目标的能力的问题。本发明按以下步骤进行：一、目标及感兴趣区域特性分析；二、基于视觉注意机制的感兴趣区域提取；三、基于自底向上刺激驱动机制的一级感兴趣区域提取；四、基于自顶向下目标驱动机制的二级感兴趣区域提取。本发明在分析目标及感兴趣区域的特性的基础上，引入视觉注意机制心理学模型和计算模型，研究大幅面遥感影像感兴趣区域提取方法。本发明可应用于遥感图像处理技术领域。
-
公开(公告)号：CN105046286B
公开(公告)日：2018-11-02
申请号：CN201510546954.7
申请日：2015-08-31
Applicant: 哈尔滨工业大学
IPC: G06K9/66
Abstract: 基于自动视图生成和联合l1,2范数最小化的监督多视图特征选择方法，属于遥感图像数据处理技术领域。本发明是为了解决高分辨率遥感图像在特征选择过程中存在的信息丢失的问题。它包括三个步骤：一、采集遥感图像数据，对遥感图像数据进行预处理；然后进行特征提取，获得特征向量集合；再将特征向量集合中所有特征向量归一化，获得原始特征向量集合；二、采用affinity propagation算法将步骤一中获得的原始特征向量集合生成特征多视图；三、基于l1,2范数对步骤二中生成的特征多视图进行监督多视图特征选择。本发明为一种监督多视图特征选择方法。
-
公开(公告)号：CN108399622A
公开(公告)日：2018-08-14
申请号：CN201810172380.5
申请日：2018-03-01
Applicant: 哈尔滨工业大学
Abstract: 基于非负稀疏特性的高光谱图像异常检测方法，属于高光谱异常检测领域。解决现有高光谱图像异常检测的准确性低的问题。本发明方法包括如下步骤：步骤一：根据高光谱图像X获取光谱图像的非负稀疏矩阵St′；步骤二：根据非负稀疏矩阵St′对高光谱图像X进行异常检测，获取高光谱图像中每个像元的异常度；步骤三：通过阈值分割方式，根据高光谱图像中每个像元的异常度确定每个异常度所对应像元是否为异常，从而完成对高光谱图像异常检测。本发明主要用于对高光谱图像进行异常检测。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.027 seconds)
