-
公开(公告)号：CN104182978B
公开(公告)日：2017-10-03
申请号：CN201410418281.2
申请日：2014-08-22
Applicant: 哈尔滨工程大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于空谱核稀疏表示的高光谱图像目标检测方法，其特征在于:步骤1：确定待检测窗口大小，利用空谱核函数映射非线性高光谱数据到线性空间；步骤2：根据给定的过完备字典，利用同步正交匹配追踪算法，计算映射后高光谱数据的稀疏系数；步骤3：分别计算基于背景过完备字典重建的像元重建误差和基于目标过完备字典重建的像元重建误差，依据误差大小，判定像元是否为检测目标；步骤4：重复步骤3，直至遍历图像中每一个像元，最终输出目标图像。
-
公开(公告)号：CN103646409B
公开(公告)日：2016-08-17
申请号：CN201310699067.4
申请日：2013-12-19
Applicant: 哈尔滨工程大学
IPC: G06T9/00
Abstract: 本发明涉及的是一种高光谱图像压缩编码方法，具体地说是一种多元向量量化的高光谱图像压缩编码方法。多元向量量化的高光谱图像压缩编码方法，包括读入高光谱图像数据；构建压缩字典：根据2种多元向量量化模型和字典原子选择策略，利用多元回归计算每一像元压缩时所使用的字典原子及其系数压缩和编码。本发明重新构建向量量化模型，提出2种多元向量量化模型，省略的误差信息要比传统的向量量化方法中的误差信息量少，而且在新提出的多元向量量化模型中，选取出的字典原子的系数也没有限定，其值为根据光谱本身和字典构成计算得出，从而保证了重建图像的质量，减小压缩编码所造成的图像失真。
-
公开(公告)号：CN103646409A
公开(公告)日：2014-03-19
申请号：CN201310699067.4
申请日：2013-12-19
Applicant: 哈尔滨工程大学
IPC: G06T9/00
Abstract: 本发明涉及的是一种高光谱图像压缩编码方法，具体地说是一种多元向量量化的高光谱图像压缩编码方法。多元向量量化的高光谱图像压缩编码方法，包括读入高光谱图像数据；构建压缩字典：根据2种多元向量量化模型和字典原子选择策略，利用多元回归计算每一像元压缩时所使用的字典原子及其系数压缩和编码。本发明重新构建向量量化模型，提出2种多元向量量化模型，省略的误差信息要比传统的向量量化方法中的误差信息量少，而且在新提出的多元向量量化模型中，选取出的字典原子的系数也没有限定，其值为根据光谱本身和字典构成计算得出，从而保证了重建图像的质量，减小压缩编码所造成的图像失真。
-
公开(公告)号：CN103020955A
公开(公告)日：2013-04-03
申请号：CN201210464869.2
申请日：2012-11-16
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明提供的是一种邻域空间窗口的高光谱图像稀疏表示目标检测方法。其步骤是：步骤1：待检测像元的邻域空间窗口大小的确定；步骤2：利用贪婪追踪算法，计算邻域空间窗口内各像元的稀疏系数；步骤3：分别计算基于背景过完备字典重建的像元重建误差和基于目标过完备字典重建的像元重建误差，依据误差大小，判定像元是否为检测目标。本发明能够提高数据处理的可靠性、高效性，并进一步提高了目标检测的性能以及光谱图像目标检测处理的效率。
-
公开(公告)号：CN102663438A
公开(公告)日：2012-09-12
申请号：CN201210140027.1
申请日：2012-05-08
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明的目的在于提供一种小样本高光谱图像蒙特卡罗特征降维方法，具体步骤是:1.蒙特卡罗特征降维算法特征参量的选取；2.蒙特卡罗特征降维算法随机数的生成；3.蒙特卡罗特征参量的统计估计。本方法在选取特征参量时，考虑了高光谱图像的类内紧性与类间分离性，提高了数据进一步处理的可靠性；同时本方法可以自适应的给出最优降维波段个数，选取原始高光谱图像中的重要特征波段用于图像的后续处理，提高了高维数据处理的便利性。
-
Patent Agency Ranking
公开(公告)号：CN103200669B
公开(公告)日：2016-05-04
申请号：CN201310056974.7
申请日：2013-02-22
Applicant: 哈尔滨工程大学
IPC: H04W64/00
Abstract: 本发明提供了一种基于压缩感知理论的无线传感器节点定位方法。首先利用信标节点发送的特殊信息，得到所有节点到信标节点的连通信息；然后利用信标节点得到的连通信息得到采样矩阵，和目标节点得到压缩连通信息，通过压缩感知算法，得到目标节点和所有信标节点的相关系数。最后，使用这些相关系数得到每个信标对目标节点的权值系数，利用质心算法得到每个目标节点的估计位置。本发明引入压缩感知理论，充分的挖掘了目标节点和信标节点在地理位置上的相关性。由于该算法满足了4个条件，因此它是一种可靠的、有效的、通用的、适合大规模网络的节点自定位方法。
-
公开(公告)号：CN104182978A
公开(公告)日：2014-12-03
申请号：CN201410418281.2
申请日：2014-08-22
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于空谱核稀疏表示的高光谱图像目标检测方法，其特征在于：步骤1：确定待检测窗口大小，利用空谱核函数映射非线性高光谱数据到线性空间；步骤2：根据给定的过完备字典，利用同步正交匹配追踪算法，计算映射后高光谱数据的稀疏系数；步骤3：分别计算基于背景过完备字典重建的像元重建误差和基于目标过完备字典重建的像元重建误差，依据误差大小，判定像元是否为检测目标；步骤4：重复步骤3，直至遍历图像中每一个像元，最终输出目标图像。
-
公开(公告)号：CN103942787A
公开(公告)日：2014-07-23
申请号：CN201410143292.4
申请日：2014-04-10
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于核原型样本分析的光谱解混方法。本发明包括：采集待处理的高光谱数据；确定整体流程的参数；对输入图像数据预处理；在预处理后的数据上采用基于核原型样本分析方法实现光谱解混。本发明实施简单，光谱解混的过程不用独立拆解为端元提取和解混两个过程，可以处理无纯端元存在的解混情况，及不同混合程度数据最优端元选择和解混问题。此外最终提取结果物理含义明确，对数据的解译性更强。同时该方法结果相对非负矩阵分解光谱解混的结果更稳定，精度更好。
-
公开(公告)号：CN103391438A
公开(公告)日：2013-11-13
申请号：CN201310303400.5
申请日：2013-07-19
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种高光谱图像压缩编码方法及装置。该方法包括：检测高光谱图像，获得高光谱图像中包含的目标部分和背景部分；将目标部分和背景部分分离；分别对目标部分和背景部分进行压缩和编码。通过将目标部分和背景部分分别压缩编码，本发明提高了高光谱图像压缩编码的可靠性和高效性。
-
公开(公告)号：CN103200669A
公开(公告)日：2013-07-10
申请号：CN201310056974.7
申请日：2013-02-22
Applicant: 哈尔滨工程大学
IPC: H04W64/00
Abstract: 本发明提供了一种基于压缩感知理论的无线传感器节点定位方法。首先利用信标节点发送的特殊信息，得到所有节点到信标节点的连通信息；然后利用信标节点得到的连通信息得到采样矩阵，和目标节点得到压缩连通信息，通过压缩感知算法，得到目标节点和所有信标节点的相关系数。最后，使用这些相关系数得到每个信标对目标节点的权值系数，利用质心算法得到每个目标节点的估计位置。本发明引入压缩感知理论，充分的挖掘了目标节点和信标节点在地理位置上的相关性。由于该算法满足了四个条件，因此它是一种可靠的、有效的、通用的、适合大规模网络的节点自定位方法。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
