-
公开(公告)号：CN113506212A
公开(公告)日：2021-10-15
申请号：CN202110558431.X
申请日：2021-05-21
Applicant: 大连海事大学
Abstract: 本发明公开了一种改进的基于POCS的高光谱图像超分辨率重建方法，该方法首先从序列低分辨率高光谱图像的第一波段的灰度图像中随机选取一幅，通过双三次插值得到初始参考帧，在一定程度上缓解了重建图像边缘模糊问题；然后利用剩余的第一波段的灰度图像根据引入了松弛算子的投影公式对其进行修正，抑制了重建图像平滑区的毛刺；在迭代两次以上后，根据前后两次迭代重建图像之间均方误差是否小于某个阈值作为退出迭代的条件，使迭代过程自适应化，避免了人为设定迭代次数的主观性；最后对高光谱图像的每一个波段的灰度图像都重复上述过程，得到空间分辨率提升的高光谱图像。该方法可以作为高光谱图像空间分辨率提升的一种有效手段。
-
公开(公告)号：CN113160284A
公开(公告)日：2021-07-23
申请号：CN202110252806.X
申请日：2021-03-09
Applicant: 大连海事大学
IPC: G06T7/30
Abstract: 本发明公开的一种基于局部相似结构约束的引导性空间一致光伏图像配准方法。该方法对获取的航拍光伏图像，利用局部相似结构约束剔除误匹配点，获得内点率较高的初始匹配集S0。并利用欧氏距离对最近邻策略得到的匹配点进行排序，得到浮动较稳定的匹配点集合S1。将一种指导性思想集成到随机抽样一致框架，扩大最终正确匹配点数的同时保证模型的精度。五组不同情况下的光伏图像实验结果证明了本发明提供的一种基于局部相似结构约束的引导性空间一致光伏图像配准方法的有效性。
-
公开(公告)号：CN107644393B
公开(公告)日：2020-03-06
申请号：CN201710898675.6
申请日：2017-09-28
Applicant: 大连海事大学
IPC: G06T1/20
Abstract: 本发明公开了一种基于GPU的丰度估计算法的并行实现方法，包括：1、将高光谱混合像元数据H存储至GPU端；2、获取端元向量mi，并将所获取的端元向量mi逐一分配至CPU端的p个并行线程上；3、获得端元向量mi其所对应的正交于向量空间[m1,m2,...,mi‑1]的向量4、获得端元集M所对应的正交基并计算对应的内积值；5、计算像元的光谱向量r在方向上的投影；6、计算各端元mp对应的丰度结果αp，并存储至GPU端。本发明通过GPU并行处理的核函数计算丰度值，且该并行机制比在传统CPU串行机制上运行快得多，大大提高了实时丰度估计的运行效率。
-
公开(公告)号：CN110738171A
公开(公告)日：2020-01-31
申请号：CN201910976493.5
申请日：2019-10-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于类特征迭代随机采样的高光谱图像谱空分类方法，包括根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，根据各地物平均光谱特征、自相关矩阵的逆矩阵、通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，根据分类图像信息计算相邻两次迭代分类结果的相似性系数，判断所述相似性系数是否已满足迭代分类的截止条件、对融合更新后的数据进行迭代分类。
-
公开(公告)号：CN110378294A
公开(公告)日：2019-10-25
申请号：CN201910663298.7
申请日：2019-07-22
Applicant: 大连海事大学
Abstract: 本发明实施例公开了一种基于局部能量约束与特征融合的高光谱目标检测方法及系统，其包括：获取高光谱图像数据集中的各个像元所对应的信号含量图像；提取各个像元所对应的空间特征并构造关于目标地物的空间特征的图像；基于丰度阈值提取局部强化光谱特征；获取归一化后的空间特征矩阵并该空间特征矩阵的归一化空间特征与待检测图像进行融合以获取对应的融合特征；将局部强化光谱特征与融合特征进行特征融合以获取带有局部特征约束的图像；确定带有局部特征约束的图像中的非零信号所构成的集合并获取最局部能量约束检测因子；对待检测高光谱图像进行目标检测。本发明提高了检测精度，还在一定程度上克服了高光谱检测中常见的“同谱异物”现象。
-
Patent Agency Ranking
公开(公告)号：CN109492565A
公开(公告)日：2019-03-19
申请号：CN201811280802.7
申请日：2018-10-30
Applicant: 大连海事大学
IPC: G06K9/00
Abstract: 本发明提供一种基于FPGA的递进式正交子空间投影高光谱目标检测系统，至少包括：控制状态转换以实现高光谱目标检测的状态机模块、控制各个模块的开始/结束标志位、参数数据的地址和使能信号，提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块。本发明通过ROSP循环递归的算法实时检测目标，利于硬件实现，很好的标记了目标所在位置。同时本发明采用FPGA，完成数量大、运算量大的高光谱图像数据的处理，实时性好、集成度高，具有不可替代的优势。
-
公开(公告)号：CN109409300A
公开(公告)日：2019-03-01
申请号：CN201811279513.5
申请日：2018-10-30
Applicant: 大连海事大学
Abstract: 本发明提供一种基于FPGA的高光谱目标检测OSP算法的实现系统至少包括：数据输入模块，输入高光谱图像数据；储存模块，所述数据输入模块输入后的高光谱图像数据；矩阵相乘子模块，对所述输入后的高光谱图像数据；矩阵求逆模块，投影计算模块，将像元向量投影到正交于干扰特征的子空间上，消除冗杂信号，再将剩余的信号投影到待识别的特征上；所述投影计算模块至少包括：矩阵相乘子模块及矩阵减法子模块；结果计算模块，计算待检测目标的位置并显示；以及数据输出模块。本发明采用OSP算法抑制背景特征光谱对信号的影响，另一方面在考虑到各种噪声的情况下最大化的将信号提取出来,运算速度快，执行效率好。
-
公开(公告)号：CN107967694A
公开(公告)日：2018-04-27
申请号：CN201711408728.8
申请日：2017-12-22
Applicant: 大连海事大学
IPC: G06T7/246
CPC classification number: G06T7/246 , G06T2207/10036
Abstract: 本发明公开了一种基于反馈丰度约束的高光谱目标检测方法、系统、存储介质以及处理器，其包括计算目标地物的光谱特征d以及自相关矩阵R；计算出高光谱图像中每个像元ri所对应的丰度信息f(ri)；提取目标地物的空间特征ff(ri)，将所提取的ff(ri)反馈融合至高光谱图像的光谱特征中并更新；线性归一化处理所述丰度信息f(ri)并定义光谱自相关矩阵为R′；进行目标地物检测以获得目标地物丰度信息fc(ri)；进行二值化处理以获得待检测的目标地物。本发明在利用自相关矩阵对像元进行抑制的时候，能够降低异物同谱现象的影响，有助于目标地物的检测；同时将空间信息融入光谱特征中提高检测精度以解决现有技术中的问题。
-
公开(公告)号：CN107644393A
公开(公告)日：2018-01-30
申请号：CN201710898675.6
申请日：2017-09-28
Applicant: 大连海事大学
IPC: G06T1/20
Abstract: 本发明公开了一种基于GPU的丰度估计算法的并行实现方法，包括：1、将高光谱混合像元数据H存储至GPU端；2、获取端元向量mi，并将所获取的端元向量mi逐一分配至CPU端的p个并行线程上；3、获得端元向量mi其所对应的正交于向量空间[m1,m2,...,mi-1]的向量 4、获得端元集M所对应的正交基并计算对应的内积值；5、计算像元的光谱向量r在 方向上的投影；6、计算各端元mp对应的丰度结果αp，并存储至GPU端。本发明通过GPU并行处理的核函数计算丰度值，且该并行机制比在传统CPU串行机制上运行快得多，大大提高了实时丰度估计的运行效率。
-
公开(公告)号：CN106447688A
公开(公告)日：2017-02-22
申请号：CN201610207092.X
申请日：2016-03-31
Applicant: 大连海事大学
IPC: G06T7/136
CPC classification number: G06T2207/10036
Abstract: 一种高光谱溢油图像的有效分割方法，技术方案如下：定义初始水平集函数及其他相关函数；结合Fisher准则得到新的拟合项；构造边缘停止函数得到新长度项；结合端元提取算法的改进；引入水平集正则项避免水平集函数重新初始化；能量泛函最小化得到欧拉-拉格朗日方程；设置各个参数；选择显示波段以及初始轮廓；显示分割结果图；计算各种分割精度评价指标；对分割结果精度进行比较、评价。本发明能划分出模拟高光谱图像和真实高光谱中的目标区域，有效分割有边界模糊、含噪声等特点的高光谱溢油图像。提高高光谱图像的分割精度，获得更加准确的分类效果，对参数的变化更稳定，轮廓曲线更加准确，获得连续而封闭的边界轮廓，具有更高分割精度。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.029 seconds)
