公开(公告)号：CN108734122B

公开(公告)日：2022-05-20

申请号：CN201810471321.8

申请日：2018-05-17

Applicant: 北京理工大学

Inventor： 唐林波 ,  王文正 ,  邓宸伟 ,  冯帆 ,  赵保军

IPC: G06V20/13 ,  G06V10/774 ,  G06V10/764 ,  G06K9/62 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。

公开(公告)号：CN108734122A

公开(公告)日：2018-11-02

申请号：CN201810471321.8

申请日：2018-05-17

Applicant: 北京理工大学

Inventor： 唐林波 ,  王文正 ,  邓宸伟 ,  冯帆 ,  赵保军

IPC: G06K9/00 ,  G06K9/62 ,  G06T7/00 ,  G06T7/136

Abstract: 本发明提供一种基于自适应样本选择的高光谱城区水体检测方法，在高光谱近红外谱段图像的预处理方面，通过质量评价SSIM的方法去除噪声波段图像，采用两次平均操作进一步消除噪声，能够获取更加稳定的近红外谱段的均值图像，与传统单波段阈值分割方法相比，无需人工选择待分割图像；本发明将无监督的阈值分割方法提取疑似水体区域，再通过有监督的特征学习与分类器训练，从疑似水体区域中剔除在近红外谱段与水体较为相似的建筑阴影、建筑屋顶沥青等地物；因此，本发明将无监督的阈值分割方法与有监督的特征学习与分类器训练方法相结合，具备城区观测场景的自适应能力，能够实现实测场景数据“现采集、现处理”，且虚警较低。

公开(公告)号：CN106920231A

公开(公告)日：2017-07-04

申请号：CN201710085854.8

申请日：2017-02-17

Applicant: 北京理工大学

Inventor： 邓宸伟 ,  王水根 ,  冯帆 ,  刘珣 ,  赵保军

IPC: G06T7/00 ,  G06T7/41

CPC classification number: G06T7/0002 ,  G06T2207/10041

Abstract: 本发明提供一种基于全色图像统计特征的遥感图像云评估方法，具体过程为：步骤一、将全色遥感图像划分成多个相邻的图像块，针对每个图像块，计算相应的均差对比度归一化系数；步骤二、对每个图像块相应的均差对比度归一化系数，采用非对称广义高斯分布建模得到对应的特征参数；步骤三、使用多变量高斯模型对所述特征参数进行拟合，得到均值向量和协方差矩阵；步骤四、计算全色遥感图像的均值向量和协方差矩阵与数据库中无云图像的均值向量和协方差矩阵之间的距离，根据所述距离判断全色遥感云图像上的云量。本发明可以准确地估算出图像中云的多少，不会出现漏检薄云的情况。

公开(公告)号：CN109063537B

公开(公告)日：2021-08-17

申请号：CN201810571359.2

申请日：2018-06-06

Applicant: 北京理工大学 ,  上海卫星工程研究所

Inventor： 邓宸伟 ,  冯帆 ,  唐林波 ,  王文正 ,  赵保军

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种针对异常小目标解混的高光谱图像预处理方法。使用本发明能够解决服务于解混任务的高光谱图像预处理方法易忽略异常小目标的弊端。本发明充分针对目标空间尺度小的特征，利用滑窗判定空间维度上的疑似目标，并根据邻域像元位置设立相似性度量权重，区别对待窗口内不同邻域像元对待测像元空间特异性判定的影响；同时，利用目标光谱与背景光谱相比具有特异性的特征，利用PCA变换在特征维度进行疑似目标判定；最后结合K‑means方法和正交子空间投影(OSP)法，对高光谱数据进行筛选，有效减少待处理数据量并提升解混精度，在工程应用上具有很大的提升空间。本发明无需对后续的端元提取阶段进行任何修改，算法应用灵活。

公开(公告)号：CN109063537A

公开(公告)日：2018-12-21

申请号：CN201810571359.2

申请日：2018-06-06

Applicant: 北京理工大学

Inventor： 邓宸伟 ,  冯帆 ,  唐林波 ,  王文正 ,  赵保军

IPC: G06K9/00 ,  G06K9/62

CPC classification number: G06K9/0063 ,  G06K9/6223 ,  G06K9/6232 ,  G06K2009/00644

Abstract: 本发明公开了一种针对异常小目标解混的高光谱图像预处理方法。使用本发明能够解决服务于解混任务的高光谱图像预处理方法易忽略异常小目标的弊端。本发明充分针对目标空间尺度小的特征，利用滑窗判定空间维度上的疑似目标，并根据邻域像元位置设立相似性度量权重，区别对待窗口内不同邻域像元对待测像元空间特异性判定的影响；同时，利用目标光谱与背景光谱相比具有特异性的特征，利用PCA变换在特征维度进行疑似目标判定；最后结合K‑means方法和正交子空间投影(OSP)法，对高光谱数据进行筛选，有效减少待处理数据量并提升解混精度，在工程应用上具有很大的提升空间。本发明无需对后续的端元提取阶段进行任何修改，算法应用灵活。