-
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。
-
公开(公告)号：CN101916440B
公开(公告)日：2012-06-06
申请号：CN201010247768.0
申请日：2010-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于数字图像形态学理论的高光谱异常检测方法。首先采用扩展形态学的闭运算对高光谱图像进行波段特征提取以达到降维的目的。通过闭变换进行波段选择在去除冗余的同时，还能够平滑光谱数据，避免了波段信息的不连续，有效地结合了地物的空间信息与精细光谱和空间相关性的信息。再对降维后的高光谱图像信息进行异常检测，采用KRX算子对图像进行异常检测得到检测结果的灰度图像，再运用灰度形态学的面积闭开运算(ACO)，对检测结果进行滤波处理得到最后的检测结果。本发明不仅能与KRX算子结合使用，同时也可以和高光谱图像异常检测的其他算子结合使用。具有很强的可移植性，更易满足高光谱检测的需求。
-
公开(公告)号：CN104537248B
公开(公告)日：2018-10-26
申请号：CN201510001259.2
申请日：2015-01-04
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明公开了用于极化敏感阵列的信源数估计方法。包括以下步骤：利用由N个极化敏感阵元构成的极化敏感阵列接收空间电磁波信号，获得接收数据；根据极化敏感阵列接收到的数据计算协方差矩阵；对协方差矩阵进行特征值分解，求得2N个特征值及其对应特征向量，并将2N个特征值从大到小降序排列；利用排列后的前N个特征值对协方差矩阵进行去特征处理，得到对应的N个新协方差矩阵，利用排列后的后N个特征值对应的特征向量张成的子空间构造投影矩阵；分别求N个新协方差矩阵在投影矩阵上的投影；根据投影构造判据函数，估计信源数。本发明利用极化敏感阵列噪声子空间维度特性进行信源数估计，减少计算量，节约成本。
-
公开(公告)号：CN104537248A
公开(公告)日：2015-04-22
申请号：CN201510001259.2
申请日：2015-01-04
Applicant: 哈尔滨工程大学
IPC: G06F19/00
Abstract: 本发明公开了用于极化敏感阵列的信源数估计方法。包括以下步骤：利用由N个极化敏感阵元构成的极化敏感阵列接收空间电磁波信号，获得接收数据；根据极化敏感阵列接收到的数据计算协方差矩阵；对协方差矩阵进行特征值分解，求得2N个特征值及其对应特征向量，并将2N个特征值从大到小降序排列；利用排列后的前N个特征值对协方差矩阵进行去特征处理，得到对应的N个新协方差矩阵，利用排列后的后N个特征值对应的特征向量张成的子空间构造投影矩阵；分别求N个新协方差矩阵在投影矩阵上的投影；根据投影构造判据函数，估计信源数。本发明利用极化敏感阵列噪声子空间维度特性进行信源数估计，减少计算量，节约成本。
-
公开(公告)号：CN103426167A
公开(公告)日：2013-12-04
申请号：CN201310286597.6
申请日：2013-07-09
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于递归分析的高光谱实时检测方法，其特征在于：步骤1：建立高光谱图像像素点的光谱向量相关矩阵R(n)；步骤2：建立相关矩阵R(n)的状态方程， 式中，R(n-1)是上一时刻状态的估计值，rn是当前状态的观测值，根据当前状态的观测值rn和上一时刻状态的估计值R(n-1)，更新当前状态的估计值；步骤3：利用Woodbury恒等式更新相关矩阵R(n)的逆矩阵R(n)-1；步骤:4：结合异常检测算子对高光谱图像进行实时检测。
-
Patent Agency Ranking
公开(公告)号：CN102592280A
公开(公告)日：2012-07-18
申请号：CN201210010904.3
申请日：2012-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种采用多窗口特征分析的高光谱图像异常检测方法。首先确定检测窗口尺寸，包括内层窗、中层窗和外层窗；在外层窗口中运算OSP算子，消除内层窗口和中层窗口的背景干扰，有效的去除白噪声；在中层窗口进行背景像元选取；在内层窗口中运算KRX算子，对的待测像元进行异常检测；最后输出检测结果。本发明巧妙运用了三层窗口的检测模式，利用了两层局部背景像素窗，对高光谱数据先去除噪声干扰再进行异常检测。在外层窗口中利用OSP算子，消除内窗口和中层窗口中不感兴趣的信号源发出的干扰或白噪声，从而降低了虚警概率，具有较好的检测效果。用AVIRIS高光谱数据进行了仿真实验，本发明提出方法的检测性能明显地优于传统算法，降低了虚警概率，具有较好的检测效果。
-
公开(公告)号：CN104766290B
公开(公告)日：2018-02-13
申请号：CN201510140920.8
申请日：2015-03-27
Applicant: 哈尔滨工程大学
IPC: G06T5/50
Abstract: 本发明属于图像融合研究领域，具体涉及NSCT的一种基于快速NSCT的像素信息估计融合方法。本发明包括：通过NSCT滤波器间的变换整合，生成分解滤波器组；使用基于像素信息的融合规则对分解得到的低频和高频图像分解进行系数融合；通过与生成分解滤波器组类似的方式生成重构滤波器组，对各个融合子图通过重构滤波器滤波后叠加生成重构图像。在图像分解和重构阶段，以滤波器变换代替传统NSCT中的迭代滤波，将源图像在分解和重构阶段的计算次数缩减至1次，达到理论上的最优解；首次采用全局特征与像素的差异替代像素邻域特征的融合规则计算方式，显著减少计算量，并提高了融合效果。
-
公开(公告)号：CN104504686A
公开(公告)日：2015-04-08
申请号：CN201410734796.3
申请日：2014-12-04
Applicant: 哈尔滨工程大学
CPC classification number: G06T7/0004 , G06T7/11 , G06T7/155 , G06T2207/10036
Abstract: 本发明属于高光谱图像异常目标检测领域，具体涉及一种采用局部自适应阈值分割的高光谱图像异常探测方法。读入高光谱数据；采用非线性KRX算子对高光谱数据处理得到检测结果灰度图；对检测的灰度图像进行预处理消除背景干扰；将图像分成若干个m×n的子图像对每一个子图像进行阈值迭代法选取阈值；用得到的自适应阈值Ti对子图像二值化，遍历整幅图像进而得到最终检测结果。本发明提出了针对大面积背景干扰抑制的算法，利用形态学滤波开运算的结构元素将背景干扰有效的提取和消除；采用迭代法计算出局部最佳阈值，无需大量试验验证求取阈值可大大减少实际处理中的工作量，提高了异常目标检测的效率和准确率。
-
公开(公告)号：CN101916440A
公开(公告)日：2010-12-15
申请号：CN201010247768.0
申请日：2010-08-09
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于数字图像形态学理论的高光谱异常检测方法。首先采用扩展形态学的闭运算对高光谱图像进行波段特征提取以达到降维的目的。通过闭变换进行波段选择在去除冗余的同时，还能够平滑光谱数据，避免了波段信息的不连续，有效地结合了地物的空间信息与精细光谱和空间相关性的信息。再对降维后的高光谱图像信息进行异常检测，采用KRX算子对图像进行异常检测得到检测结果的灰度图像，再运用灰度形态学的面积闭开运算(ACO)，对检测结果进行滤波处理得到最后的检测结果。本发明不仅能与KRX算子结合使用，同时也可以和高光谱图像异常检测的其他算子结合使用。具有很强的可移植性，更易满足高光谱检测的需求。
-
公开(公告)号：CN104766313B
公开(公告)日：2017-10-31
申请号：CN201510140950.9
申请日：2015-03-27
Applicant: 哈尔滨工程大学
Abstract: 本发明属于图像处理尤其是高光谱图像异常目标检测领域，具体涉及一种采用核递归的高光谱快速异常探测方法。本发明包括：读入高光谱数据；对背景信息的核矩阵进行初始化；建立背景像元更新的因果关系；建立核矩阵ΚΒ(n)的递归方程更新核矩阵；结合KRX算子对高光谱图像进行快速检测。本发明提出了采用背景信息因果化的更新模型，利用检测像元的变化对背景信息进行快速更新，避免反复提取背景信息造成的数据冗余。采用构建全新核矩阵，有效的解决了核矩阵的维数随着背景像元数目的增加而产生变化的问题，同时使得算法无需每次重新计算核矩阵。引入卡尔曼滤波理论的递归思想，可大大减少实际处理中的工作量，提高了异常目标检测的效率。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
