-
公开(公告)号：CN112819959B
公开(公告)日：2022-03-04
申请号：CN202110086571.1
申请日：2021-01-22
Applicant: 哈尔滨工业大学
Abstract: 高光谱图像和激光雷达数据本征高光谱点云生成方法，本发明涉及遥感图像处理技术领域，针对现有高光谱点云数据生成方法易造成信息丢失、光谱失真，并且效率低的问题，本申请利用高光谱成像的物理模型，从信号的角度出发结合高光谱图像的光谱信息和激光雷达点云的三维空间xi信息，消除高光谱图像由于光照导致的光谱信息退化导致的光谱不确定性，并通过超体素面向对象的方式，大大提升了算法的速度，最终生成光谱信息‑空间三维信息一体的本征高光谱点云，而且极大地避免了信息丢失和光谱失真。
-
公开(公告)号：CN113627357A
公开(公告)日：2021-11-09
申请号：CN202110930442.6
申请日：2021-08-13
Applicant: 哈尔滨工业大学
Abstract: 一种高空间‑高光谱分辨率遥感图像本征分解方法及系统，具体涉及一种融合高空间分辨率信息的高光谱遥感图像本征分解方法、系统及用于存储其的计算机可读存储介质,方法包括一、获取全色遥感图像的空间结构一致约束项和高光谱遥感图像的光谱一致约束项；二、获取反射率分量一致约束项；三、获取反射率分量。系统包括存储器、处理器和存储在所述存储器中并可在所述处理器上运行的计算机程序。计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现任一所述方法的步骤。本发明用于将低空间分辨率的高光谱遥感图像做本征分解得到高空间分辨率的反射率图像，属于遥感图像处理领域。
-
公开(公告)号：CN105913451A
公开(公告)日：2016-08-31
申请号：CN201610464695.8
申请日：2016-06-23
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T2207/10024 , G06T2207/10032
Abstract: 一种基于图模型的自然图像超像素分割方法，本发明涉及基于图模型的自然图像超像素分割方法。本发明的目的是为了解决现有方法无法在生成大小均匀的超像素同时有较高的超像素分割精度的缺点。步骤一：将输入的自然图像映射为赋权图；步骤二：输入期望生成的K个超像素数目，根据K个超像素数目对步骤一的赋权图进行均匀网格采样，得到K个超像素的初始位置，K取值为正整数；步骤三：在步骤二得到的K个超像素的初始位置的基础上进行聚类，生成超像素；步骤四：对步骤三生成的超像素的边界进行优化，得到超像素分割的结果。本发明用于数字图像处理领域。
-
公开(公告)号：CN112784747B
公开(公告)日：2022-03-04
申请号：CN202110086560.3
申请日：2021-01-22
Applicant: 哈尔滨工业大学
Abstract: 高光谱遥感图像多尺度本征分解方法，涉及遥感图像处理技术领域，针对现有技术中得到的高光谱图像的反射率分量精度低的问题，包括：步骤一：获取高光谱图像，并根据高光谱图像得到N个尺度下的稀疏图矩阵；步骤二：根据N个尺度下的稀疏图矩阵得到多尺度高光谱图像的本征分解矩阵；步骤三：利用高光谱图像，并在光谱维上做几何平均得到之后在空间维上做几何平均得到步骤四：根据本征分解矩阵和得到高光谱的反射率分量。本申请结合多尺度并且综合两个策略得到的高光谱图像的反射率分量相比现有的技术有着更高的精度。
-
公开(公告)号：CN113408635B
公开(公告)日：2022-03-08
申请号：CN202110733040.7
申请日：2021-06-29
Applicant: 哈尔滨工业大学
IPC: G06V10/77 , G06V10/772 , G06K9/62
Abstract: 基于数字表面模型辅助的高光谱图像本征分解方法，属于高光谱图像融合处理技术领域，本发明为解决现有高光谱图像本征分解精度低的问题。它包括：输入高光谱图像和数字表面模型数据，计算获得几何分量；计算获得局部先验矩阵；计算获得非局部先验矩阵；根据几何分量、局部先验矩阵和非局部先验矩阵进行本征分解，输出高光谱反射率和环境光照。本发明用于高光谱图像的本征分解。
-
Patent Agency Ranking
公开(公告)号：CN112819959A
公开(公告)日：2021-05-18
申请号：CN202110086571.1
申请日：2021-01-22
Applicant: 哈尔滨工业大学
Abstract: 高光谱图像和激光雷达数据本征高光谱点云生成方法，本发明涉及遥感图像处理技术领域，针对现有高光谱点云数据生成方法易造成信息丢失、光谱失真，并且效率低的问题，本申请利用高光谱成像的物理模型，从信号的角度出发结合高光谱图像的光谱信息和激光雷达点云的三维空间xi信息，消除高光谱图像由于光照导致的光谱信息退化导致的光谱不确定性，并通过超体素面向对象的方式，大大提升了算法的速度，最终生成光谱信息‑空间三维信息一体的本征高光谱点云，而且极大地避免了信息丢失和光谱失真。
-
公开(公告)号：CN112785583A
公开(公告)日：2021-05-11
申请号：CN202110136395.8
申请日：2021-02-01
Applicant: 哈尔滨工业大学
Abstract: 基于超像素分割的高光谱遥感图像反射率恢复方法，属于遥感图像处理领域，涉及高光谱图像的反射率恢复方法。解决了现有基于对象的反射率恢复方法存在对高光谱图像的反射率恢复精度差的问题，本发明利用输入的高光谱遥感图像做精细超像素分割，获得精细分割的分割矩阵；对输入的高光谱遥感图像做粗略超像素分割，获得粗略分割结果集合；利用精细分割的分割矩阵和粗略分割结果集合，计算约束矩阵；利用精细分割的分割矩阵和约束矩阵迭代求解输入的高光谱遥感图像的反射率。本发明适用于图像反射率恢复。
-
公开(公告)号：CN112967350B
公开(公告)日：2022-03-18
申请号：CN202110250389.5
申请日：2021-03-08
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像根据获得高光谱遥感图像中每个像素的稀疏图编码字典；根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；根据和稀疏图相似度矩阵获得高光谱图像的反射率分量；所述系统包括：获取模块、构造模块、计算模块、分解模块。
-
公开(公告)号：CN112785693B
公开(公告)日：2022-03-18
申请号：CN202110155512.5
申请日：2021-02-04
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 本征高光谱点云生成方法、系统及装置，属于高光谱图像和激光雷达点云融合处理技术领域。为了解决现有的利用基于高光谱图像和激光雷达数据进行点云生成时存在的准确的低的问题。本发明首先通过高光谱图像和激光雷达点云获取本征映射矩阵然后分割提取高光谱图像H中属于建筑表面的像素集合利用集合Q中的像素确定入射光照方向的向量L；最后进行高光谱图像‑激光雷达点云联合本征分解，生成本征高光谱点云。主要用于高光谱点云的生成。
-
公开(公告)号：CN112785583B
公开(公告)日：2022-03-04
申请号：CN202110136395.8
申请日：2021-02-01
Applicant: 哈尔滨工业大学
Abstract: 基于超像素分割的高光谱遥感图像反射率恢复方法，属于遥感图像处理领域，涉及高光谱图像的反射率恢复方法。解决了现有基于对象的反射率恢复方法存在对高光谱图像的反射率恢复精度差的问题，本发明利用输入的高光谱遥感图像做精细超像素分割，获得精细分割的分割矩阵；对输入的高光谱遥感图像做粗略超像素分割，获得粗略分割结果集合；利用精细分割的分割矩阵和粗略分割结果集合，计算约束矩阵；利用精细分割的分割矩阵和约束矩阵迭代求解输入的高光谱遥感图像的反射率。本发明适用于图像反射率恢复。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
