-
公开(公告)号：CN119963455A
公开(公告)日：2025-05-09
申请号：CN202510028995.0
申请日：2025-01-08
Applicant: 哈尔滨工业大学
Abstract: 一种无人机多光谱图像像素级各向异性校正方法，属于无人机多光谱图像的辐射校正技术领域。本发明针对现有各向异性校正方法在复杂地表覆盖和高分辨率影像的处理上存在局限性，造成图像辐射精度差的问题。包括基于无人机多光谱子图像、地理位置数据和姿态数据进行三维重建得到拼接图像、数字高程模型和子图像优化相机参数；将拼接图像中像素区域坐标由地心地固坐标系经相机坐标系转换到图像坐标系下；提取像素区域在子图像的投影区域得到多视角反射率，再计算观测成像视角得到多视角数据；利用通用BRDF模型对多视角数据拟合得到拟合结果，再提取下视反射率替代拼接图像原始反射率实现像素级各向异性校正。本发明用于无人机多光谱图像各向异性校正。
-
公开(公告)号：CN119515937A
公开(公告)日：2025-02-25
申请号：CN202411601161.6
申请日：2024-11-11
Applicant: 哈尔滨工业大学
IPC: G06T7/33 , G06V10/44 , G06V10/42 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06N3/048
Abstract: 本发明属于遥感点云配准领域，具体涉及一种多源遥感点云的自监督配准方法。针对现有技术依赖监督信息，导致监督信息缺乏时存在配准误差大的问题。发明了一种多源遥感点云的自监督配准方法包括：获取多源遥感点云；构建掩码自编码点云重构网络，根据多源遥感点云对构建掩码自编码点云重构网络进行训练，得到训练好的掩码自编码点云重构网络；获取待配准的多源遥感点云和模板点云；根据待配准的多源遥感点云和模板点云和训练好的自掩码点云重构网络，得到待配准的多源遥感点云的变换关系；根据待配准的多源遥感点云的变换关系对待配准的多源遥感点云进行变换，得到配准后的多源遥感点云，解决了现有的多源点云配准方法存在配准误差大的问题。
-
公开(公告)号：CN115615548B
公开(公告)日：2024-05-28
申请号：CN202211255204.0
申请日：2022-10-13
Applicant: 哈尔滨工业大学
IPC: G01J3/28
Abstract: 一种多角度多光谱立体成像模组及模组设计方法，它属于相机光谱成像技术领域。本发明解决了现有多光谱成像模组存在着集成度低且对立体光谱信息的获取能力差的问题。本发明对多光谱波段及立体成像角度进行设计，采用离轴多通道光学元件/成像探测器高集成度复用技术，多平行轴光机加工与装调技术，以及基于窄带光谱选通的光程精补偿技术，设计微小型化、多通道可见光/近红外多角度多光谱集成成像模组，实现对目标的正视与侧视光谱反射成像信息的获取。本发明方法可以应用于相机光谱成像技术领域。
-
公开(公告)号：CN117218315A
公开(公告)日：2023-12-12
申请号：CN202311178943.9
申请日：2023-09-13
Applicant: 哈尔滨工业大学
Abstract: 基于多光谱图像重建的多光谱点云生成方法、存储介质及设备，属于多光谱图像三维重建技术领域。为了解决现有技术中光谱信息利用不充分，重建精度低，效率低的问题。本发明首先对多光谱图像进行辐射校正与波段对齐，并将多个单波段图像叠加合成波段对齐的多光谱图像；采用图像增强与SIFT特征算子结合的方式得到逐波段特征并融合多光谱特征；然后通过基于多光谱图像得到NDVI掩膜对融合的多光谱特征进行匹配，基于特征匹配对，建立图像集中多光谱图像的匹配关系，并使用运动结构恢复方法计算图像相对位姿信息，使用多视角几何匹配技术计算图像深度值，对多光谱值进行投影，生成多光谱点云。
-
公开(公告)号：CN116977862A
公开(公告)日：2023-10-31
申请号：CN202311066878.0
申请日：2023-08-23
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/40
Abstract: 一种植物生长阶段视频检测方法，本发明涉及植物生长阶段视频检测方法。本发明的目的是为了解决现有的植物生长阶段检测算法无法准确划分植物生长阶段的问题。过程为：1：构建神经网络模型，获得训练好的神经网络模型；过程为：11：获取训练集；12：构建I3D网络，将植物生长阶段视频输入I3D网络，提取植物生长阶段视频特征序列；13：利用Transformer网络编码器对特征序列进行编码，利用解码器的动作分类头和边界回归头分别输出动作类别、动作边界；14：获得训练好的神经网络模型；2：获得待测植物生长阶段视频对应的动作类别、动作边界。本发明属于时序行为检测领域。
-
Patent Agency Ranking
公开(公告)号：CN116645613A
公开(公告)日：2023-08-25
申请号：CN202310681709.1
申请日：2023-06-09
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V20/13 , G06N3/0464 , G06N3/088 , G06V10/82
Abstract: 一种基于物理知识驱动和无监督学习的高光谱本征分解方法，它属于遥感图像处理领域。本发明解决了采用现有本征分解方法分解出的反射率分量的准确度差的问题。本发明采取的主要技术方案为：步骤1、基于物理模型对高光谱遥感图像进行分解，得到反射率分量；步骤2、构建反射率分量估计子网络以及反射率分量估计子网络的输出损失项；步骤3、构建明暗分量估计子网络以及明暗分量估计子网络的输出损失项；步骤4、将物理模型输出与原始高光谱数据结合生成混合物理知识的输入数据，并初始化模型参数；步骤5、结合损失函数项优化网络模型，输出反射率分量。本发明方法可以应用于高光谱遥感图像的本征分解。
-
公开(公告)号：CN115615548A
公开(公告)日：2023-01-17
申请号：CN202211255204.0
申请日：2022-10-13
Applicant: 哈尔滨工业大学
IPC: G01J3/28
Abstract: 一种多角度多光谱立体成像模组及模组设计方法，它属于相机光谱成像技术领域。本发明解决了现有多光谱成像模组存在着集成度低且对立体光谱信息的获取能力差的问题。本发明对多光谱波段及立体成像角度进行设计，采用离轴多通道光学元件/成像探测器高集成度复用技术，多平行轴光机加工与装调技术，以及基于窄带光谱选通的光程精补偿技术，设计微小型化、多通道可见光/近红外多角度多光谱集成成像模组，实现对目标的正视与侧视光谱反射成像信息的获取。本发明方法可以应用于相机光谱成像技术领域。
-
公开(公告)号：CN114782763B
公开(公告)日：2022-11-11
申请号：CN202210545904.7
申请日：2022-05-19
Applicant: 哈尔滨工业大学
IPC: G06V10/77 , G06V10/764 , G06V10/44 , G06V20/10
Abstract: 多视角高分遥感图像稀疏主成分对齐方法，本发明涉及多视角高分遥感图像对齐方法。本发明的目的是为了解决现有高空间分辨率遥感图像成像时存在的多角度问题，该问题导致遥感图像分类准确率低。过程为：1：利用稀疏主成分分析方法对获取的待处理的源域图像和带标签的目标图像进行计算，得到待处理的源域图像的特征向量和带标签的目标图像的特征向量；2：将待处理的源域图像的特征向量和带标签的目标图像的特征向量进行变换，从而使待处理的源域图像和带标签的目标图像的数据分布进行对齐，得到对齐后的待处理的源域图像和带标签的目标图像；3：基于监督式分类方法完成对待处理的源域图像的分类结果。本发明用于遥感图像处理领域。
-
公开(公告)号：CN114529769A
公开(公告)日：2022-05-24
申请号：CN202210157795.1
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06K9/62
Abstract: 一种面向大场景遥感图像分类的可分离多模联合表示方法，本发明涉及多模遥感图像联合表示方法。本发明的目的是为了提高现有大场景遥感图像的分类精度。过程为：一、输入覆盖地理区域相同的多模遥感图像，以及相应的地物标签图，构造多模遥感图像的可分离多模联合表示模型；二、采用乘数交替方向法求解多模遥感图像的可分离多模联合表示模型，得到可分离的多模字典；三、输入大场景多光谱遥感图像，利用可分离的多光谱字典对输入的大场景多光谱遥感图像进行稀疏表示，学习得到可分离的一致稀疏表示系数矩阵；四、利用类别特异性高光谱字典和类别特异性一致稀疏表示系数矩阵，重构得到大场景的高光谱图像。本发明用于遥感图像分类领域。
-
公开(公告)号：CN113850216B
公开(公告)日：2022-05-17
申请号：CN202111160930.X
申请日：2021-09-30
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06K9/62 , G06N20/00
Abstract: 一种面向大场景遥感图像分类的类指定多模联合表示方法，本发明涉及多模遥感图像联合表示方法。本发明的目的是为了提高现有大场景遥感图像的分类精度。过程为：一、输入覆盖区域相同的多模遥感图像，以及相应的地物标签图，构造多模遥感图像的类指定多模联合表示模型；所述多模遥感图像包括多光谱遥感图像和高光谱遥感图像；二、采用乘数交替方向法求解多模遥感图像的类指定多模联合表示模型，得到类指定跨模字典；三、输入大场景多光谱遥感图像，利用多光谱字典对输入的大场景多光谱遥感图像进行稀疏表示，学习得到一致稀疏表示系数矩阵；四、重构得到大场景的高判别性高光谱图像。本发明用于遥感图像分类领域。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.036 seconds)
