-
公开(公告)号：CN102789578B
公开(公告)日：2014-08-27
申请号：CN201210247434.2
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
Abstract: 一种基于多源目标特征和机器学习的红外遥感图像变化检测方法，包括：步骤S1：对可见光遥感图像进行变化检测，得到初始检测结果；步骤S2：通过可见光和红外遥感图像配准，将可见光变化检测得到变化目标和不变化目标变换至红外遥感图像；步骤S3：提取多源目标特征；步骤S4：分别从可见光变化目标中与不变化目标中选择一部分作为正样本、从可见光不变化目标中选择一部分作为负样本，将选择的样本作为训练样本；步骤S5：训练SVM得到变化检测模型；步骤S6：进行变化检测，得到红外遥感图像变化检测结果。本发明能检测出由于地物发生变化而引起的图像变化，并检测出由于地物工作状态发生变化而引起的图像变化，稳定性高，适用范围广。
-
公开(公告)号：CN102800097A
公开(公告)日：2012-11-28
申请号：CN201210251401.5
申请日：2012-07-19
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种可见光图像与红外图像的配准方法包括对可见光图像和红外图像进行多尺度分解，得到低分辨率的可见光图像和红外图像；在低分辨率图像对上提取SIFT特征、多尺度角点特征和面点特征，匹配SIFT特征并去除外点，利用匹配的SIFT特征对得到初始变换模型，所谓变换模型是指红外图像和高光谱图像之间的一种几何变换关系；在原始图像对上利用初始变换模型提供的几何约束，进行基于图像块对的多尺度角点特征、面点特征提取，根据初始变换模型和多尺度角点特征、面点特征确定更精确的变换模型；根据变换模型对红外图像进行变换，得到变换后的红外图像。
-
公开(公告)号：CN102842044B
公开(公告)日：2015-06-03
申请号：CN201210247866.3
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
Abstract: 本发明公开一种高分辨率可见光遥感图像变化检测方法，包括：步骤S1：获取图像目标；步骤S2：去除虚假目标；步骤S3：提取目标的变化特征；步骤S4：计算目标的初始变化置信度，选择变化置信度高的部分目标作为正样本，选择变化置信度低的部分目标作为负样本，得到变化检测模型；步骤S5：利用训练得到的变化检测模型对目标进行变化检测；步骤S6：利用目标的纹理特性对变化目标进行提炼，得到最终的变化检测结果。本发明通过形状分析有效去除由于局部配准误差引起的虚假目标，同时综合利用多种图像特征作为目标的变化特征，适用范围广，提高变化检测准确率的同时降低虚警率，此外，通过变化目标的纹理分析进一步有效去除部分虚警。
-
公开(公告)号：CN102819838B
公开(公告)日：2015-03-25
申请号：CN201210247785.3
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开一种基于多源目标特征和机器学习的高光谱遥感图像变化检测方法，包括：可见光遥感图像变化检测；可见光与高光谱遥感图像配准，将可见光变化检测得到的不变化目标变换至高光谱遥感图像；基于变换至高光谱遥感图像中的不变化目标，选择训练样本；高光谱子空间学习；在学习得到的子空间内进行高光谱遥感图像变化检测。本发明的方法基于多源目标特征，通过可见光遥感图像确定不变化的高光谱样本用以学习高光谱最佳判别子空间，在该子空间中进行高光谱遥感图像变化检测，性能稳定，适用范围广。
-
公开(公告)号：CN102800098B
公开(公告)日：2015-03-11
申请号：CN201210251487.1
申请日：2012-07-19
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种可见光全色图像与多光谱图像的配准方法，包括如下步骤：对全色图像和多光谱图像进行多尺度分解，生成低分辨率的全色图像和多光谱图像；在所述低分辨率图像对上提取、匹配SIFT特征并去除外点，利用匹配的SIFT特征对和迭代重加权最小二乘法得到初始变换模型；在原始图像对上利用所述初始变换模型据提供的几何约束，进行基于图像块对的SIFT特征提取、匹配及外点去除，并在所有的SIFT特征对集合上选择最优的变换类型并利用迭代重加权最小二乘法求得变换参数；：根据所述变换模型对多光谱图像进行变换，得到变换后的多光谱图像。
-
Patent Agency Ranking
公开(公告)号：CN102842044A
公开(公告)日：2012-12-26
申请号：CN201210247866.3
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
Abstract: 本发明公开一种高分辨率可见光遥感图像变化检测方法，包括：步骤S1：获取图像目标；步骤S2：去除虚假目标；步骤S3：提取目标的变化特征；步骤S4：计算目标的初始变化置信度，选择变化置信度高的部分目标作为正样本，选择变化置信度低的部分目标作为负样本，得到变化检测模型；步骤S5：利用训练得到的变化检测模型对目标进行变化检测；步骤S6：利用目标的纹理特性对变化目标进行提炼，得到最终的变化检测结果。本发明通过形状分析有效去除由于局部配准误差引起的虚假目标，同时综合利用多种图像特征作为目标的变化特征，适用范围广，提高变化检测准确率的同时降低虚警率，此外，通过变化目标的纹理分析进一步有效去除部分虚警。
-
公开(公告)号：CN102800098A
公开(公告)日：2012-11-28
申请号：CN201210251487.1
申请日：2012-07-19
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种可见光全色图像与多光谱图像的配准方法，包括如下步骤：对全色图像和多光谱图像进行多尺度分解，生成低分辨率的全色图像和多光谱图像；在所述低分辨率图像对上提取、匹配SIFT特征并去除外点，利用匹配的SIFT特征对和迭代重加权最小二乘法得到初始变换模型；在原始图像对上利用所述初始变换模型据提供的几何约束，进行基于图像块对的SIFT特征提取、匹配及外点去除，并在所有的SIFT特征对集合上选择最优的变换类型并利用迭代重加权最小二乘法求得变换参数；：根据所述变换模型对多光谱图像进行变换，得到变换后的多光谱图像。
-
公开(公告)号：CN102789578A
公开(公告)日：2012-11-21
申请号：CN201210247434.2
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
Abstract: 一种基于多源目标特征和机器学习的红外遥感图像变化检测方法，包括：步骤S1：对可见光遥感图像进行变化检测，得到初始检测结果；步骤S2：通过可见光和红外遥感图像配准，将可见光变化检测得到变化目标和不变化目标变换至红外遥感图像；步骤S3：提取多源目标特征；步骤S4：分别从可见光变化目标中与不变化目标中选择一部分作为正样本、从可见光不变化目标中选择一部分作为负样本，将选择的样本作为训练样本；步骤S5：训练SVM得到变化检测模型；步骤S6：进行变化检测，得到红外遥感图像变化检测结果。本发明能检测出由于地物发生变化而引起的图像变化，并检测出由于地物工作状态发生变化而引起的图像变化，稳定性高，适用范围广。
-
公开(公告)号：CN102800097B
公开(公告)日：2015-08-19
申请号：CN201210251401.5
申请日：2012-07-19
Applicant: 中国科学院自动化研究所 , 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种可见光图像与红外图像的配准方法包括对可见光图像和红外图像进行多尺度分解，得到低分辨率的可见光图像和红外图像；在低分辨率图像对上提取SIFT特征、多尺度角点特征和面点特征，匹配SIFT特征并去除外点，利用匹配的SIFT特征对得到初始变换模型，所谓变换模型是指红外图像和高光谱图像之间的一种几何变换关系；在原始图像对上利用初始变换模型提供的几何约束，进行基于图像块对的多尺度角点特征、面点特征提取，根据初始变换模型和多尺度角点特征、面点特征确定更精确的变换模型；根据变换模型对红外图像进行变换，得到变换后的红外图像。
-
公开(公告)号：CN102819838A
公开(公告)日：2012-12-12
申请号：CN201210247785.3
申请日：2012-07-17
Applicant: 北京市遥感信息研究所 , 中国科学院自动化研究所
IPC: G06T7/00
Abstract: 本发明公开一种基于多源目标特征和机器学习的高光谱遥感图像变化检测方法，包括：可见光遥感图像变化检测；可见光与高光谱遥感图像配准，将可见光变化检测得到的不变化目标变换至高光谱遥感图像；基于变换至高光谱遥感图像中的不变化目标，选择训练样本；高光谱子空间学习；在学习得到的子空间内进行高光谱遥感图像变化检测。本发明的方法基于多源目标特征，通过可见光遥感图像确定不变化的高光谱样本用以学习高光谱最佳判别子空间，在该子空间中进行高光谱遥感图像变化检测，性能稳定，适用范围广。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.044 seconds)
