-
公开(公告)号：CN105893945B
公开(公告)日：2019-05-03
申请号：CN201610188097.2
申请日：2016-03-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开了一种遥感图像目标识别方法，包括：在训练图像集每幅训练图像的每个像素处分别提取外观特征；利用训练图像的外观特征和类型标注构造目标‑背景有序语义对，并学习得到目标‑背景语义模型；利用训练图像的外观特征和类型标注构造目标类型有序语义对，并学习得到目标类型语义模型；在测试图像中的每个像素处分别提取外观特征；利用测试图像的外观特征构造目标‑背景有序语义对，并利用所述目标‑背景语义模型提取所述测试图像中的目标区域；对测试图像目标区域的外观特征构造目标类型有序语义对，利用所述目标类型语义模型判定目标类型。本发明提高了目标与背景及不同类型目标间的可分性，可广泛应用于灾害监测、目标侦察等诸多领域中。
-
公开(公告)号：CN104408751B
公开(公告)日：2017-08-11
申请号：CN201410583964.3
申请日：2014-10-27
Applicant: 中国科学院自动化研究所
IPC: G06T9/00
Abstract: 本发明是一种高光谱图像在轨压缩方法，步骤S1：根据高光谱图像波段间的相似性对波段进行自适应的光谱分组和波段重排，得到初始字典、压缩维数和最优波段顺序、最优波段顺序重排的高光谱图像；步骤S2：用初始字典、光谱稀疏特性和光谱曲线的结构特征将最优波段顺序重排的高光谱图像压缩到光谱维数低的特征空间，得到具有保持光谱曲线可分性的结构字典；步骤S3：在特征空间中提取显著性目标区域，用稀疏矩阵存储显著性目标区域，对特征空间中的背景区域的特征图像降采样得到深度压缩的背景区域；步骤S4：对稀疏矩阵存储的显著性目标区域、深度压缩的背景区域以及结构字典数据解压缩，恢复每一个特征图像，获得恢复的高光谱图像。
-
公开(公告)号：CN104361585B
公开(公告)日：2017-05-10
申请号：CN201410599301.0
申请日：2014-10-30
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明是一种遥感图像变化检测性能在轨评价方法，该方法包括以下步骤：步骤S1：以遥感图像灰度的离散余弦变换的符号函数作为显著性度量标准，在当前遥感图像和历史遥感图像上分别提取显著区域，将显著区域的并集作为多时相图像的显著区域；步骤S2：在当前遥感图像和历史遥感图像生成的多时相图像光谱特征上进行自动聚类，根据聚类类别和空间位置关系提取多时相超像素区域；步骤S3：在当前遥感图像和历史遥感图像的多时相超像素区域分别提取显著目标面元，用结构特征描述每一个显著目标面元；步骤S4：根据每一个显著目标面元结构特征的变化类和非变化类的类间可分性，对待评价的目标区域变化的检测结果的性能进行在轨评价。
-
公开(公告)号：CN104361585A
公开(公告)日：2015-02-18
申请号：CN201410599301.0
申请日：2014-10-30
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032
Abstract: 本发明是一种遥感图像变化检测性能在轨评价方法，该方法包括以下步骤：步骤S1：以遥感图像灰度的离散余弦变换的符号函数作为显著性度量标准，在当前遥感图像和历史遥感图像上分别提取显著区域，将显著区域的并集作为多时相图像的显著区域；步骤S2：在当前遥感图像和历史遥感图像生成的多时相图像光谱特征上进行自动聚类，根据聚类类别和空间位置关系提取多时相超像素区域；步骤S3：在当前遥感图像和历史遥感图像的多时相超像素区域分别提取显著目标面元，用结构特征描述每一个显著目标面元；步骤S4：根据每一个显著目标面元结构特征的变化类和非变化类的类间可分性，对待评价的目标区域变化的检测结果的性能进行在轨评价。
-
公开(公告)号：CN105869165B
公开(公告)日：2018-06-26
申请号：CN201610187635.6
申请日：2016-03-29
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种多源多时相遥感图像目标变化监测方法，包括：对训练图像和测试图像中的多时相多光谱图像、全色图像进行预处理，得到平均波段图像；提取训练图像中多时相多光谱图像对应的平均波段图像的特征，学习得到变化语义模型；提取训练图像中多时相全色图像的已标好的目标变化类型的像素的特征，学习得到目标变化类型语义模型；提取测试图像中多时相多光谱图像对应的平均波段图像的特征，利用变化语义模型提取目标变化区域；提取测试图像中多时相全色图像的目标变化区域的特征，利用目标变化类型语义模型识别目标变化类型。本发明提高了目标变化区域的检测精度和目标变化类型的识别精度，可广泛应用于城市规划、目标变化监测等诸多领域中。
-
Patent Agency Ranking
公开(公告)号：CN104408751A
公开(公告)日：2015-03-11
申请号：CN201410583964.3
申请日：2014-10-27
Applicant: 中国科学院自动化研究所
IPC: G06T9/00
Abstract: 本发明是一种高光谱图像在轨压缩方法，步骤S1：根据高光谱图像波段间的相似性对波段进行自适应的光谱分组和波段重排，得到初始字典、压缩维数和最优波段顺序、最优波段顺序重排的高光谱图像；步骤S2：用初始字典、光谱稀疏特性和光谱曲线的结构特征将最优波段顺序重排的高光谱图像压缩到光谱维数低的特征空间，得到具有保持光谱曲线可分性的结构字典；步骤S3：在特征空间中提取显著性目标区域，用稀疏矩阵存储显著性目标区域，对特征空间中的背景区域的特征图像降采样得到深度压缩的背景区域；步骤S4：对稀疏矩阵存储的显著性目标区域、深度压缩的背景区域以及结构字典数据解压缩，恢复每一个特征图像，获得恢复的高光谱图像。
-
公开(公告)号：CN104408401A
公开(公告)日：2015-03-11
申请号：CN201410589172.7
申请日：2014-10-28
Applicant: 中国科学院自动化研究所
CPC classification number: G06K9/3241 , G06K9/4671
Abstract: 本发明是一种时敏目标的在轨检测方法，该方法包括：步骤S1：在历史图像上选取各种时敏目标训练区域，每幅训练图像的每个像素处提取高维的多尺度同心圆环簇方向梯度特征，离线学习各类时敏目标的结构字典；步骤S2：在当前在轨每一时相的图像上的每个像素处提取高维的多尺度同心圆环簇方向梯度特征，利用结构字典求解敏目标类型指示向量，根据时敏目标类型指示向量结构稀疏特性识别可疑目标的位置和可疑目标的类型，提取可疑目标区域；步骤S3：对在不同时相的在轨图像上检测的可疑目标区域的轨迹进行分析，根据运动轨迹的奇异性在轨识别出时敏目标；步骤S4：将在轨时敏目标的图像作为结构字典在轨增量更新的训练图像，返回步骤S1。
-
公开(公告)号：CN104077782A
公开(公告)日：2014-10-01
申请号：CN201410331398.7
申请日：2014-07-11
Applicant: 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开了一种星载遥感图像匹配方法，该方法包括以下步骤：获取当前星载遥感图像与历史星载遥感图像的重叠区域，作为输入图像和参考图像；提取输入图像和参考图像的显著目标区域；在显著目标区域中提取显著特征；为输入图像显著目标区域中每个尺度不变角点特征在参考图像上寻找一匹配点，得到候选匹配点对集合；剔除其中的误匹配点对；去除其中的外点并根据匹配点对计算得到星载遥感图像变换参数。本发明基于目标显著区域内的特征进行匹配，过滤了大量冗余信息，提高了匹配性能，大大减少了计算量；利用渐进最小中位方差法去除外点，提高了对复杂图像匹配的鲁棒性。本发明可广泛应用于星载遥感图像配准、目标监测等诸多应用系统中。
-
公开(公告)号：CN104408401B
公开(公告)日：2017-08-15
申请号：CN201410589172.7
申请日：2014-10-28
Applicant: 中国科学院自动化研究所
Abstract: 本发明是一种时敏目标的在轨检测方法，该方法包括：步骤S1：在历史图像上选取各种时敏目标训练区域，每幅训练图像的每个像素处提取高维的多尺度同心圆环簇方向梯度特征，离线学习各类时敏目标的结构字典；步骤S2：在当前在轨每一时相的图像上的每个像素处提取高维的多尺度同心圆环簇方向梯度特征，利用结构字典求解敏目标类型指示向量，根据时敏目标类型指示向量结构稀疏特性识别可疑目标的位置和可疑目标的类型，提取可疑目标区域；步骤S3：对在不同时相的在轨图像上检测的可疑目标区域的轨迹进行分析，根据运动轨迹的奇异性在轨识别出时敏目标；步骤S4：将在轨时敏目标的图像作为结构字典在轨增量更新的训练图像，返回步骤S1。
-
公开(公告)号：CN104820967B
公开(公告)日：2018-05-11
申请号：CN201510275742.X
申请日：2015-05-26
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种在轨计算成像方法，包括：在有地物类型标注的高光谱训练图像集上对高光谱特征字典模型进行学习，获得高光谱分类字典；在轨查找待检测高光谱图像在所述高光谱分类字典中的地物类型，对待检测高光谱图像和红外图像进行异常目标检测和对多光谱图像进行视觉显著性检测，获得目标区域数据；在轨生成全色图像和多光谱图像的融合图像，对所述目标区域数据对应的所述融合图像进行索引存储得到压缩成像数据。本发明所述方法能够提高数据利用的时效性且减轻遥感图像传输存储压力。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
