基于层次化显著性分析的遥感图像序列动目标检测方法

    公开(公告)号:CN107767400B

    公开(公告)日:2021-07-20

    申请号:CN201710838129.3

    申请日:2017-09-15

    Abstract: 本发明提供一种基于层次化显著性分析的遥感图像序列动目标检测方法,具体过程为:首先,采用基于运动补偿的双模单高斯模型,在全局的尺度上提取时域显著性信息,得到时域显著图;从时域显著图中粗提取运动区域,作为候选区域;其次,在所述候选区域的基础上,分别在像素级和超像素级进行空间域的显著性分析,得到空域显著图;最后,将得到的全局时域显著图和局部空域显著图进行线性融合,得到时空显著图,通过阈值分割得到运动目标检测的结果。该方法能够对于运动目标完成由粗尺度快速定位到精细尺度下的精确描述,可有效提高运动目标检测算法计算效率。

    一种基于双通道DDR3的SAR数据存储和访问方法及装置

    公开(公告)号:CN112947854A

    公开(公告)日:2021-06-11

    申请号:CN202110129411.0

    申请日:2021-01-29

    Abstract: 本申请实施例公开了一种基于双通道DDR3的SAR数据存储和访问方法及装置,方法包括:将SAR数据矩阵分块后的子矩阵数据中相邻两行的数据以交叉映射方法存储至第一DDR3中;设计两组独立的存储单元第一DDR3和第二DDR3,在SAR成像系统中实现双通道流水式处理。本申请实施例提高了RAM的利用率,提高了SAR数据的访问效率。

    多通道星载SAR星上实时处理的方位频谱逆滤波重建方法

    公开(公告)号:CN112198509A

    公开(公告)日:2021-01-08

    申请号:CN202010884825.X

    申请日:2020-08-28

    Abstract: 本发明公开了多通道星载SAR星上实时处理的方位频谱逆滤波重建方法,涉及合成孔径雷达技术领域,能够有效减少频谱重建方法所需存储量,适用星载SAR星上实时处理。本发明的技术方案包括如下步骤:构建频谱重建逆滤波系数W0。分析逆滤波系数分段更新对成像质量的影响,根据分析结果确定分段更新的聚焦深度取值Nmax。根据分段更新的聚焦深度取值Nmax,得到按照方位频点分段更新的逆滤波系数W1。将多通道数据分别进行傅里叶变换,得到的频谱为方位模糊的频谱。利用逆滤波系数W1针对方位模糊的频谱进行逆滤波,恢复出方位无模糊的频谱P,完成多通道SAR频谱重建。

    基于定义圆HSV颜色空间的医学图像分割方法

    公开(公告)号:CN105139383B

    公开(公告)日:2018-08-10

    申请号:CN201510489742.X

    申请日:2015-08-11

    Abstract: 本发明提供一种基于定义圆HSV颜色空间的医学图像分割方法,具体过程为:步骤一、在RGB色彩空间中找出切片图像目标颜色像素P和背景颜色像素Q的RGB值和位置信息;步骤二、将基于RGB色彩空间的切片图像转换到HSV色彩空间得到基于HSV色彩空间的图像;步骤三、根据所存储的像素P的位置信息,将像素P所对应的(H,S)作为定义圆的圆心坐标,并设置定义圆的半径;根据所像素Q的位置信息,提取像素Q所对应的H、S、V值赋值给定义圆内的所有像素值,实现目标颜色的去除;步骤四、将去除目标颜色后的基于HSV色彩空间的切片图像转换回RGB色彩空间,然后对去除目标颜色切片图像进行分割。利用本发明可以得到非常精确的分割结果。

    一种光学遥感图像感兴趣区域检测方法

    公开(公告)号:CN106250895A

    公开(公告)日:2016-12-21

    申请号:CN201610671049.9

    申请日:2016-08-15

    Abstract: 本发明公开了一种光学遥感图像感兴趣区域检测方法,应用于高分辨率光学遥感图像感兴趣区域检测。通过对超像素级的图像进行处理,然后进行超像素级到像素级显著性映射,得到像素级显著图,完成对感兴趣区域由粗尺度快速定位到精细尺度下的精确描述。该方法首先对原始图像进行降采样,然后进行超像素分割,基于以上操作将高分辨率图像转换为较粗尺度图像,然后,在生成的粗尺度图像上通过结构张量与颜色空间背景抑制技术分别获得超像素级的纹理特征图和颜色特征图。随后经过特征图融合及上采样插值得到原始分辨率尺度下的超像素级显著图。最后,通过超像素级到像素级显著性映射,得到像素级显著图,完成感兴趣区域的像素级精确描述。

    一种低复杂度的通用混合基FFT设计方法

    公开(公告)号:CN103823789B

    公开(公告)日:2016-09-07

    申请号:CN201410038962.6

    申请日:2014-01-26

    Abstract: 本发明在基于原位存储的结构上,提出一种低复杂度的通用混合基FFT设计方法,步骤一、设计计数器;步骤二、根据步骤一得到的每级的计数器,将其映射到操作数的访问地址;步骤三、根据步骤一得到的计数器,给出生成旋转因子地址的中间值的映射;上面得到的操作数和旋转因子的访问地址即为地址控制单元,选择器Mux设置为:当Mux=0时,表示进入RAM中的数据为外界输入数据;当Mux=1时,表示进入RAM中的数据为由蝶形单元计算按照原位算法存储的数据。

    一种石墨烯/金属氧化物杂化气凝胶、制备方法及其应用

    公开(公告)号:CN102941042B

    公开(公告)日:2016-03-09

    申请号:CN201210413356.9

    申请日:2012-10-25

    Inventor: 张学同 陈亮

    CPC classification number: Y02C10/08 Y02E60/13

    Abstract: 本发明涉及一种石墨烯/金属氧化物杂化气凝胶、制备方法及其应用,属于纳米材料应用领域。所述杂化气凝胶由石墨烯网络和金属氧化物网络组成,两个网络相互缠绕形成杂化气凝胶,其中金属氧化物网络也为结晶态。所述杂化气凝胶的制备包括制备氧化石墨烯有机溶液,并在其中加入可溶性金属盐和环氧化物,得到均匀不流动的杂化湿凝胶,经干燥和炭化得到所述的石墨烯/金属氧化物杂化气凝胶。所述杂化气凝胶可作为储能材料、电磁屏蔽材料、生物酶的催化载体和CO2的吸附材料,具有广泛的应用。

    基于同质化处理的光学遥感图像非匀质云层判别方法

    公开(公告)号:CN103093241B

    公开(公告)日:2015-12-02

    申请号:CN201310024473.0

    申请日:2013-01-23

    Abstract: 本发明公开了一种基于同质化处理的光学遥感图像非匀质云层判别方法,能够对非匀质云中的低亮像素进行灰度补偿,从而实现对非匀质云层的判别。第一步:计算云的自适应门限;第二步:提取两幅典型二值图:第三步:获得云的位置标记图:对第二步得到的云海二值图既膨胀又腐蚀,对海二值图只进行膨胀,然后利用这两幅图得到云的位置标记图;第四步:对原图像进行同质化处理:根据第三步得到的云的位置标记图,对非云像素进行灰度补偿,从而使非匀质云变为匀质云;第五步:特征提取及归一化:对第四步同质化处理后的图像提取灰度、纹理和边缘这些针对匀质厚云提取的特征,然后对特征进行归一化;第六步:利用支持向量机进行判决,至此整个过程结束。

    基于上下文的光学遥感图像云判结果修正方法

    公开(公告)号:CN103150582B

    公开(公告)日:2015-11-25

    申请号:CN201310043710.8

    申请日:2013-02-04

    Abstract: 本发明公开了一种基于上下文的光学遥感图像云判结果修正方法,不需要建立概率模型,针对云判问题进行设计,同时利用相邻分块的判决结果和背景信息来修正本块判决结果。第一步,读入待处理的相关数据:包括原图的分块索引矩阵、分块灰度均值矩阵和背景信息;第二步,利用Tile的判决值产生Block的判决值,构成Block索引矩阵,并且根据分块灰度均值矩阵建立Block灰度均值矩阵;第三步,利用判决值为非常确定云和非常确定地物的Block,修正判决值为不确定的Block判决值;第四步,应用目标上下文和场景上下文判断处理对象的背景、剔除地物交界处的虚警、剔除朵云的虚警并调整判决准确对象的邻接目标,最终判定出Block是否为云。

    一种基于视觉词汇的遥感图像地物分类方法

    公开(公告)号:CN105005789A

    公开(公告)日:2015-10-28

    申请号:CN201510379234.6

    申请日:2015-07-01

    CPC classification number: G06K9/6218 G06K9/629

    Abstract: 本发明公开了一种基于视觉词汇的遥感图像地物分类方法,包括如下步骤:首先将所有的遥感图像分为训练集和测试集,以固定的大小对每幅遥感图像裁剪获得初步切片图,提取包含目标的初步切片图;针对包含目标的初步切片图通过高斯模糊与抽样生成多层高斯空间金字塔;对每一层的图像均进行SIFT特征提取与LBP特征提取;对训练集和测试集中所有遥感图像的遥感单词进行聚类,得到多个聚类中心,所有的聚类中心组成遥感词典;设定不同半径值,对每个初步切片图不同半径值内的遥感单词均建立频率直方图:针对训练集中遥感单词的频率直方图使用支持向量机RBF-SVM进行训练,然后使用训练后的RBF-SVM对测试集中遥感图像进行地物分类。

Patent Agency Ranking