-
公开(公告)号：CN117315401A
公开(公告)日：2023-12-29
申请号：CN202311374280.8
申请日：2023-10-23
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/764 , G06T7/10
Abstract: 一种基于半监督迁移光谱重构网络的高光谱遥感图像生成方法，本发明属于卫星遥感技术领域，涉及一种高光谱图像生成方法。本发明目的在于针对获取大幅宽、高空间分辨率高光谱遥感图像困难的问题。过程为：1、得到训练完成的预训练光谱重构网络；2、得到训练完成的区域判别网络；3、构建高‑多光谱图像监督训练集和多光谱无监督训练集；4、构建半监督迁移光谱重构网络；半监督迁移光谱重构网络包括预训练光谱重构网络、区域判别网络和迁移网络；通过高‑多光谱图像监督训练集和多光谱无监督训练集交替对半监督迁移光谱重构网络进行训练，获得训练好的半监督迁移光谱重构网络；5、对待测多光谱图像进行光谱重构，生成高光谱遥感图像。
-
公开(公告)号：CN112818794A
公开(公告)日：2021-05-18
申请号：CN202110098567.7
申请日：2021-01-25
Applicant: 哈尔滨工业大学
Abstract: 基于递进式空谱联合深度网络的高光谱遥感图像生成方法，涉及深度神经网络和光谱超分辨技术。本发明的目的是为了解决现有缺少根据多光谱图像获得高光谱图像的方法。本申请通过递进式空谱联合深度网络获取原始多光谱图像到重构高光谱图像的映射关系进而通过多光谱图像生成高光谱图像。另外，本申请将重构多光谱图像与原始多光谱图像进行对比，从而判断生成的重构高光谱图像的效果，以保证生成的重构高光谱图像具有更优的生成效果。它用于获得高光谱图像。
-
Patent Agency Ranking
公开(公告)号：CN115880152B
公开(公告)日：2023-11-24
申请号：CN202211603912.9
申请日：2022-12-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于多传感器光谱重构网络的高光谱遥感图像生成方法，本发明涉及高光谱遥感图像生成方法。本发明的目的是为了解决现有成像技术中获取包含丰富光谱波段的高光谱图像是一项获取成本相对较高的工作的问题。过程为：一、利用多光谱传感器光谱响应函数和高光谱图像构建对应的理想多光谱图像；选定一个传感器作为主传感器，将主传感器的理想多光谱数据和一个其他传感器的真实多光谱数据作为训练数据集，通过训练数据集对传感器理想映射网络的网络参数进行优化得到训练完成的传感器理想映射网络；二、利构建并训练理想多传感器光谱重构网络；三、获得理想多光谱图像对应的高光谱图像；四、得到修正后的高光谱图像。本发明属于卫星遥感技术领域。
-
公开(公告)号：CN112818794B
公开(公告)日：2022-03-04
申请号：CN202110098567.7
申请日：2021-01-25
Applicant: 哈尔滨工业大学
Abstract: 基于递进式空谱联合深度网络的高光谱遥感图像生成方法，涉及深度神经网络和光谱超分辨技术。本发明的目的是为了解决现有缺少根据多光谱图像获得高光谱图像的方法。本申请通过递进式空谱联合深度网络获取原始多光谱图像到重构高光谱图像的映射关系进而通过多光谱图像生成高光谱图像。另外，本申请将重构多光谱图像与原始多光谱图像进行对比，从而判断生成的重构高光谱图像的效果，以保证生成的重构高光谱图像具有更优的生成效果。它用于获得高光谱图像。
-
公开(公告)号：CN108805208B
公开(公告)日：2021-12-31
申请号：CN201810609674.X
申请日：2018-06-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于无标签样本一致性判定的协同训练方法，本发明涉及涉及协同训练和多角度图像分类。本发明目的在于解决现有多角度遥感增加了对同一区域地物联合分析的难度，特别是地物变化分析的难度，使多角度遥感图像分类准确率低的问题。过程为：一：进行初分类：二：选择拍摄图像中无标签样本的可信样本；三：得到该视角重新训练好的分类器；直至所有视角对应的分类器重新训练完成；四：得到该视角的分类结果；直至所有视角对应的分类器重新分类完成；五：重复执行二、三、四，直至满足迭代终止条件，得到每个视角的分类结果，进行投票，以投票率最高的标签作为一中拍摄图像中不带有标签的样本的标签。本发明用于数字图像处理领域。
-
公开(公告)号：CN115880152A
公开(公告)日：2023-03-31
申请号：CN202211603912.9
申请日：2022-12-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于多传感器光谱重构网络的高光谱遥感图像生成方法，本发明涉及高光谱遥感图像生成方法。本发明的目的是为了解决现有成像技术中获取包含丰富光谱波段的高光谱图像是一项获取成本相对较高的工作的问题。过程为：一、利用多光谱传感器光谱响应函数和高光谱图像构建对应的理想多光谱图像；选定一个传感器作为主传感器，将主传感器的理想多光谱数据和一个其他传感器的真实多光谱数据作为训练数据集，通过训练数据集对传感器理想映射网络的网络参数进行优化得到训练完成的传感器理想映射网络；二、利构建并训练理想多传感器光谱重构网络；三、获得理想多光谱图像对应的高光谱图像；四、得到修正后的高光谱图像。本发明属于卫星遥感技术领域。
-
公开(公告)号：CN108805208A
公开(公告)日：2018-11-13
申请号：CN201810609674.X
申请日：2018-06-13
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6259 , G06K9/6267
Abstract: 一种基于无标签样本一致性判定的协同训练方法，本发明涉及协同训练和多角度图像分类。本发明目的在于解决现有多角度遥感增加了对同一区域地物联合分析的难度，特别是地物变化分析的难度，使多角度遥感图像分类准确率低的问题。过程为：一：进行初分类：二：选择拍摄图像中无标签样本的可信样本；三：得到该视角重新训练好的分类器；直至所有视角对应的分类器重新训练完成；四：得到该视角的分类结果；直至所有视角对应的分类器重新分类完成；五：重复执行二、三、四，直至满足迭代终止条件，得到每个视角的分类结果，进行投票，以投票率最高的标签作为一中拍摄图像中不带有标签的样本的标签。本发明用于数字图像处理领域。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
