-
公开(公告)号：CN107609507A
公开(公告)日：2018-01-19
申请号：CN201710806798.2
申请日：2017-09-08
Applicant: 哈尔滨工业大学
Abstract: 基于特征张量和支持张量机的遥感图像目标识别方法，本发明涉及一种遥感图像目标识别方法。本发明的目的是为了解决现有向量结构特征无法保持遥感图像中目标本身具有的空间结构信息，由此训练得到的系统模型，很难直接满足精度需求问题。过程为：一、在遥感图像上选取训练图像集合，根据训练图像上待识别目标的尺寸，在训练图像上选取待识别目标与背景样本的切片；二、提取切片的SIFT或SURF特征，并构建特征张量；三、求出分类决策超平面；四、利用支持张量机，对待识别遥感图像进行目标识别，得到含有标记为目标的切片；五、提取含有标记为目标的切片，进行切片合并，获得最终识别结果。本发明用于遥感图像目标识别领域。
-
公开(公告)号：CN101835045B
公开(公告)日：2011-11-09
申请号：CN201010162811.3
申请日：2010-05-05
Applicant: 哈尔滨工业大学
IPC: H04N7/26
Abstract: 高保真遥感图像压缩与分辨率增强的联合处理方法。它涉及遥感图像处理方法，它解决了通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。步骤为：一、输入待压缩处理的图像f(x，y)；二、对图像进行预处理；三、对于处理后的数据进行离散小波变换；四、对小波变换的结果进行信息检测；五、对小波变换结果进行量化处理，同时进行子带加权；六、对于步骤五的量化结果进行熵编码；七、对于熵编码结果进行码流截断，同时进行通道加权；八、获得压缩码流。针对现有遥感图像的实际应用要求，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。
-
公开(公告)号：CN100493141C
公开(公告)日：2009-05-27
申请号：CN200710144866.X
申请日：2007-12-19
Applicant: 哈尔滨工业大学
Abstract: 基于下采样和插值同一性建立数学模型的处理图像的方法，它涉及图像处理方法，它解决了现有下采样后图像保持信息少的问题。本发明的步骤为：首先输入待下采样图像FO；其次建立插值数学模型：FH＝CI(UHFLUV)，之后选择插值方法，确定预测模型，确定插值方法的算子CI，同时根据图像FO大小确定UH和UV；接下来建立下采样数学模型：FL＝DH(CFFO)DV；建立插值和下采样统一像素预测模型，由插值的算子CI和下采样的算子CF同一性得到CF，同时得到DH和DV；最终通过所得到的FL＝DH(CFFO)DV，对图像FO进行下采样处理；得到下采样图像。本发明可以应用于图像及视频的低码率压缩，不仅减少了压缩算法的计算量，加快处理速度减少延时，还使恢复图像质量有明显的提高。
-
公开(公告)号：CN101188669A
公开(公告)日：2008-05-28
申请号：CN200710144866.X
申请日：2007-12-19
Applicant: 哈尔滨工业大学
Abstract: 基于下采样和插值同一性建立数学模型的处理图像的方法，它涉及图像处理方法，它解决了现有下采样后图像保持信息少的问题。本发明的步骤为：首先输入待下采样图像FO；其次建立插值数学模型：FH＝CI(UHFLUV)，之后选择插值方法，确定预测模型，确定插值方法的算子CI，同时根据图像FO大小确定UH和UV；接下来建立下采样数学模型：FL＝DH(CFFO)DV；建立插值和下采样统一象素预测模型，由插值的算子CI和下采样的算子CF同一性得到CF，同时得到DH和DV；最终通过所得到的FL＝DH(CFFO)DV，对图像FO进行下采样处理；得到下采样图像。本发明可以应用于图像及视频的低码率压缩，不仅减少了压缩算法的计算量，加快处理速度减少延时，还使恢复图像质量有明显的提高。
-
公开(公告)号：CN100357766C
公开(公告)日：2007-12-26
申请号：CN200510090286.8
申请日：2005-08-12
Applicant: 哈尔滨工业大学
Abstract: 本发明属于目标跟踪及仪器技术领域，特别是一种具有高逆反射率，大入射角，定向逆反射特性的球对称梯度折射率微珠阵列反射器。本发明通过采用离子交换(或悬浮扩散共聚)等技术加工出具有球梯度折射率分布的Luneburg微球透镜，在微球的后表面镀高反射膜，将其嵌入粘接层，粘接层和粘附层相连，通过粘附层粘附在不同形状的载体上，以形成形状各异的微阵列反射器。通过合理设计微珠的分布形式，可以使阵列反射器的逆反射率和入射角达到最优化。
-
Patent Agency Ranking
公开(公告)号：CN119756693A
公开(公告)日：2025-04-04
申请号：CN202411876754.3
申请日：2024-12-18
IPC: G01M3/00 , G01N21/84 , G06T5/60 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种高压气体管道泄漏在线监测方法及系统，涉及气体泄漏检测领域，该方法包括获取监测图像；基于监测图像与参考图像确定位移矢量图；参考图像为无泄漏存在时的待测高压气体管道的图像；基于监测图像得到待测场区域；待测场区域为包含射流锥形的方形区域；所述射流锥形为当所述待测高压气体管道存在气体泄漏时，待测气体泄漏产生的锥形区域；确定待测场区域的待测场边界处折射率；根据位移矢量图和待测场边界处折射率确定待测场区域的密度图像；基于卷积神经网络对待测场的密度图像进行在线监测，得到监测结果；监测结果包括待测高压气体管道是否存在泄漏。本申请实现了低成本、高灵敏度的在线泄漏监测。
-
公开(公告)号：CN109671038B
公开(公告)日：2023-04-28
申请号：CN201811615312.8
申请日：2018-12-27
Abstract: 一种基于伪不变特征点分类分层的相对辐射校正方法，本发明属于遥感图像辐射校正领域。现有的辐射校正方法对包含海岸线、海岛等占据优势地物区域的遥感图像进行相对辐射的校正精度不高。本发明步骤为：一、基于遥感图像分类获取地物子图像；二、基于光谱的非线性回归分析，确定地物子图像的初始相对辐射校正模型及初始PIFs；三、基于梯度的精细非线性回归分析，确定地物子图像的精细化非线性相对辐射校正模型及精细化PIFs；四、利用精细化PIFs和精细化非线性相对辐射校正模型对待校正地物子图像进行相对辐射校正；五、将校正后的图像合成一幅完整的图像。本发明应用于遥感图像辐射校正领域。
-
公开(公告)号：CN110443201B
公开(公告)日：2023-01-10
申请号：CN201910722047.1
申请日：2019-08-06
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/26 , G06V10/46 , G06V10/764
Abstract: 基于多源影像联合形状分析与多属性融合的目标识别方法，本发明涉及多源影像目标识别方法。本发明的目的是为了解决现有舰船目标识别准确率低的问题。过程为：一、获取大量疑似舰船停靠码头的切片，并根据直线角度，旋转码头切片至水平；二、获取疑似舰船坐标，提取对应坐标的疑似舰船切片；三、将疑似舰船分类为舰船目标和非舰船目标；四、对分类为舰船的目标，提取光学切片，分别进行飞行甲板类型、船头尖角位置、船头轮廓类型、垂直发射装置位置检测，提取SAR切片，进行舰桥位置检测；五、进行多属性融合的舰船型号识别；六、基于五取投票结果最大的一类作为舰船型号识别结果。本发明用于遥感影像目标检测识别技术领域。
-
公开(公告)号：CN110598636A
公开(公告)日：2019-12-20
申请号：CN201910866137.8
申请日：2019-09-09
Applicant: 哈尔滨工业大学
Abstract: 一种基于特征迁移的舰船目标识别方法，它属于舰船目标识别领域。本发明解决了在现有方法中，由于待识别的目标与已知训练的目标数据在外观以及成像质量的特性方面不一样，导致对待识别目标识别的效果差的问题。本发明提取不同分辨率的舰船图像的HOG特征，基于空间对齐与概率适配的的迁移学习方法，将源域的HOG特征和目标域的HOG特征映射到相同的特征空间，然后在同一特征空间中进行概率适配和实例权重调节，重新生成新的源域向量化HOG特征与新的目标域向量化HOG特征，利用新的源域向量化HOG特征对支持向量机进行训练，利用训练好的支持向量机进行待识别图像的目标识别。本发明可以应用于遥感图像中舰船目标的识别。
-
公开(公告)号：CN110443207A
公开(公告)日：2019-11-12
申请号：CN201910727379.9
申请日：2019-08-07
Applicant: 哈尔滨工业大学
Abstract: 一种基于分级特征张量的目标渐进式检测识别方法，它属于遥感图像中的目标检测识别技术领域。本发明解决了现有方法对遥感图像中目标检测识别的准确率低的问题。本发明建立了基于张量模式的目标识别模型，该模型改善了典型向量模式识别方法忽略了遥感影像目标内在的结构信息，小样本下容易出现过拟合的问题。其通过学习最具判别能力的分级特征张量，并利用软硬间隔支持张量机实现目标的准确识别。本发明适用于大场景遥感图像中目标的检测识别。对于信息量大、背景复杂的遥感图像，可以获得98％以上的检测准确率，本发明可以应用于遥感图像中的目标检测识别技术领域。
-
-
-
-
-
-
-
-
-
Search Results
81
records
(took 0.031 seconds)
