-
公开(公告)号：CN116977753A
公开(公告)日：2023-10-31
申请号：CN202311014225.8
申请日：2023-08-11
Applicant: 北京理工大学
IPC: G06V10/77 , G06V10/58 , G06V10/764 , G06V10/762 , G06V20/10
Abstract: 本申请公开了一种高光谱图像的降维方法及设备、计算机存储介质，涉及图像处理技术领域，高光谱图像的降维方法包括：对波段图像进行灰度值排序，得到波段图像的编码；计算单层次膨胀距离；向波段图像加上离散值λ，计算多层次膨胀距离；对多层次膨胀距离进行优化计算，得到任意两波段图像之间的膨胀距离SFDD；基于膨胀距离SFDD对波段图像进行聚类，得到多个波段图像簇；选择代表性波段图像。本申请创新性地引入膨胀距离来度量不同波段图像之间的空间信息差异，实现了对不同波段图像空间信息差异的准确量化，同时提出了适用于空间信息差异度量的聚类方法和代表性波段图像选择方法，实现了基于空间信息差异对高光谱图像进行降维。
-
公开(公告)号：CN114463177A
公开(公告)日：2022-05-10
申请号：CN202210110514.7
申请日：2022-01-29
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于共源信息传递网络的遥感图像超分辨率重建方法，包括：构建数据集、构建共源信息传递网络、训练所述共源信息传递网络、将测试图像输入训练后的所述共源信息传递网络，输出重建结果图像，克服了以往方法难以权衡重建准确度和感知质量的问题，可以在保证结果保真度的情况下生成更多的纹理细节，能够使得到的重建结果图像更清晰。
-
公开(公告)号：CN111598814A
公开(公告)日：2020-08-28
申请号：CN202010453074.6
申请日：2020-05-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于极端散射通道的单图像去雾方法，涉及图像处理领域，去雾方法包括：获取原始有雾图像；构建雾天成像物理模型；暗通道先验；亮通道先验；将亮通道先验的结果与暗通道先验的结果互补成为极端通道，并进行极端通道散射分析；估计透射率；估计大气光；根据极端通道先验给出的透射率、大气光、雾天成像物理模型计算得到最终的去雾清晰图像。本发明提出极端通道先验这一全新的先验假设来估计透射率和大气光，可以对天空或者偏白物体等区域进行正确的去雾，且效果较好，准确率更高，并且对于浓雾的去雾效果显著，不容易造成颜色失真，最终去雾颜色比较自然真实，清晰度也较高。
-
公开(公告)号：CN109829946A
公开(公告)日：2019-05-31
申请号：CN201910047765.3
申请日：2019-01-18
Applicant: 北京理工大学
IPC: G06T7/73
Abstract: 本申请公开了一种基于快速混合迭代的MAP-TV高光谱亚像元定位方法，方法包括获取高光谱影像；对所述高光谱影像进行混合像元分解，得到不同端元组分的丰度；求取最大后验概率正则化模型MAP-TV；利用FISTA算法和分裂Bregman算法相结合的算法计算xc；使用赢者通吃的类别确定策略计算出最终亚像元定位结果。本发明利用FISTA算法和分裂Bregman算法相结合的算法计算亚像元的定位结果，定位精度高，运算速度快，显著地提高亚像元定位所需的时间。通过拆分高度非线性的复杂模型为几个易于计算的闭合解的子问题，有效的减少了非线性运算，节省了大量的时间和运算量，仅需几步迭代便能得到局部最优解。
-
公开(公告)号：CN109658357A
公开(公告)日：2019-04-19
申请号：CN201811579851.0
申请日：2018-12-24
Applicant: 北京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种面向遥感卫星图像的去噪方法，包括载入原始遥感卫星图像，采用自适应对比度增强方法增强图像对比度得到待去噪图像；将待去噪图像划分为M×N有界离散化栅格，得到离散后的待去噪图像；采用中值绝对差判定准则对离散后的待去噪图像中的脉冲噪声进行探测得到二维标识矩阵F，二维标识矩阵F中像素与待去噪图像的像素一一对应；在离散后的待去噪图像中设定搜索窗口和邻域窗口；领域窗口在搜索窗口中滑动结合相似度计算及高斯加权平均计算方法进行去噪处理，得到去噪后图像。本发明能够实现优良的纹理细节保持及良好的图像去噪效果，同时算法复杂度较低。处理效率较高。
-
Patent Agency Ranking
公开(公告)号：CN111199557A
公开(公告)日：2020-05-26
申请号：CN201911328929.6
申请日：2019-12-20
Applicant: 国家卫星气象中心(国家空间天气监测预警中心) , 北京理工大学
IPC: G06T7/30 , G06T17/05 , G06F16/29 , G06F16/2458
Abstract: 本发明实施例提供一种遥感器衰变的定量分析方法及系统，该方法包括：将不同时间获得的同一地理区域的卫星遥感数据投影到同一个地理栅格，构建同一地理区域的不同时相的卫星数据集；计算每个卫星遥感数据的表观反射率；基于IR-MAD变换，获取同一地理区域的不变像元；基于不变像元，对各个光谱通道的表观反射率进行正交回归，获取卫星遥感器在各个光谱通道的衰变值序列；根据衰变值序列，建立遥感器衰变监测模型。本实施例不局限于任何特定的传感器或地理区域，能够对卫星遥感数据中的任意一个图像对进行不变像元识别，有效地综合各个通道的变化信息，完成卫星遥感器在轨衰变跟踪，适应性强，可应用于大型空间数据集再处理和信息挖掘。
-
公开(公告)号：CN114463177B
公开(公告)日：2024-06-28
申请号：CN202210110514.7
申请日：2022-01-29
Applicant: 北京理工大学
IPC: G06T3/4053 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于共源信息传递网络的遥感图像超分辨率重建方法，包括：构建数据集、构建共源信息传递网络、训练所述共源信息传递网络、将测试图像输入训练后的所述共源信息传递网络，输出重建结果图像，克服了以往方法难以权衡重建准确度和感知质量的问题，可以在保证结果保真度的情况下生成更多的纹理细节，能够使得到的重建结果图像更清晰。
-
公开(公告)号：CN114332070B
公开(公告)日：2024-05-28
申请号：CN202210005347.X
申请日：2022-01-05
Applicant: 北京理工大学
IPC: G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的基于智能学习网络模型压缩的陨坑检测方法，属于深空探测技术领域。本发明实现方法：通过数据增强方法扩充先前探测任务获取的陨坑图像来构建陨坑数据集，为陨坑检测模型训练提供基础。通过设计出陨坑检测卷积神经网络模型和定义合适的损失函数，使陨坑检测卷积神经网络实现陨坑检测的功能。采用通道剪枝方法显著减少陨坑检测卷积神经网络中冗余卷积核的数量，成倍减少陨坑检测神经网络模型的参数量；采用深度可分离卷积替换普通卷积，将陨坑检测卷积神经网络中的标准卷积过程分解为逐通道卷积和逐点卷积，实现卷积过程在空间结构与通道方面的解耦。本发明能够降低陨坑检测神经网络模型的参数量和检测时间，提升陨坑图像检测效率。
-
公开(公告)号：CN117314811A
公开(公告)日：2023-12-29
申请号：CN202311374366.0
申请日：2023-10-23
Applicant: 北京理工大学
IPC: G06T5/50 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/42 , G06N3/0464 , G06N3/0455 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于混合模型的SAR‑光学图像融合方法，包括：获取若干SAR图像和光学图像；将SAR图像和光学图像进行预处理得到第一图像对；获取遥感图像数据；利用遥感图像数据加上噪声得到第一数据集；根据第一数据集对多尺度全局噪声抑制网络进行端到端的训练得到第一模型；将SAR训练图像输入第一模型中得到输出的第一输入图像；根据光学训练图像的灰度通道得到第二输入图像；将第一和第二输入图像组成第二图像对以此组成第二数据集；构建多尺度全局融合模型得到训练后的第二模型。通过实现了SAR图像和光学图像的像素级融合，能够特征提取不明显，避免导致融合结果信息缺失的问题，使得所求得融合图像包含的信息更全面和精确。
-
公开(公告)号：CN110059658A
公开(公告)日：2019-07-26
申请号：CN201910342178.7
申请日：2019-04-26
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于三维卷积神经网络的遥感卫星影像多时相变化检测方法，提出一种三维U-net模型，该模型输入为图像长、宽、通道数以及时间四个维度，利用三维卷积对长，宽，时间同时进行操作，同理使用了三维池化与上采样操作。本发明，图片间的关联性通过设置合理的时间维度的卷积核尺寸来控制，增加此维度可以考虑更多图片的关联。对于以往繁重的数据标签问题，该模型也可以根据少量监督数据在训练过程中将非监督数据的损失函数权值设置为零，从而直接训练模型，大大减少了所需标签工作量。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.028 seconds)
