-
公开(公告)号：CN102800058B
公开(公告)日：2015-05-27
申请号：CN201210232034.4
申请日：2012-07-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基稀疏表示的遥感图像去云方法，具体涉及一种基于稀疏表示的遥感图像去云方法，包括：提取云掩膜矩阵得到新的图像、初始化迭代参数、固定图像的纹理部分更新图像的光滑部分、固定图像的光滑部分更新图像的纹理部分、使用全变差函数对光滑部分进行调整、更新迭代阈值、判断分解是否完成几个步骤。本发明提出一种基于稀疏表示的遥感图像去云方法，对图像的全变差调整函数的参数进行调整，即在使用块坐标松弛算法来分解图像时，通过改变全变差调整函数的参数来调节算法的收敛速度，提高算法的效率和对图像的分解效果。在尽可能不破坏图像原始信息的前提下，该方法去除厚云的效果比较明显。
-
公开(公告)号：CN103761567A
公开(公告)日：2014-04-30
申请号：CN201410023610.3
申请日：2014-01-20
Applicant: 哈尔滨工程大学
IPC: G06N3/02
Abstract: 本发明涉及小波神经网络优化技术领域，特别涉及一种采用状态估计研究思想，基于贝叶斯估计的小波神经网络权值初始化方法。本发明包括：建立小波神经网络模型；权值单位化；输入与小波神经元权值优化；输出层神经元权值优化。本发明将小波神经网络权值参数与网络结构、小波类型、输入数据和输出目标值联系起来，同时将状态估计的思想和理论引入到权值参数的初始设置中，强化了小波网络学习训练能力，使小波网络在初始化阶段就具有一定的针对性，从而提高了权值在后续网络学习训练的适应能力。与传统权值初始化方法相比，能够有效地提高学习效率，减小网络输出振荡幅度，加快算法收敛速度，同时能够避免出现不合适权值导致的网络输出发散的情况。
-
公开(公告)号：CN103198455A
公开(公告)日：2013-07-10
申请号：CN201310081823.7
申请日：2013-03-14
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供一种利用全变差最小化和灰度共生矩阵的图像去噪方法，包括以下步骤：对原始含噪图像进行高斯滤波，使用检测窗遍历得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵，由得到的灰度共生矩阵求对比度图像，利用得到的对比度图像，并结合全变差最小化模型及各项扩散模型去除原始含噪图像中的噪声干扰。本发明提高了对边缘等纹理信息位置的检测精度，且使用对比度图像来自适应的在全变差最小化去噪方法和各项同性扩散去噪方法之间过渡，兼顾了二者在去噪和保护边缘的方面优点，并能有效地减少阶梯效应的影响。
-
Patent Agency Ranking
公开(公告)号：CN103577607B
公开(公告)日：2017-06-20
申请号：CN201310585653.6
申请日：2013-11-20
Applicant: 哈尔滨工程大学
IPC: G06F17/30
Abstract: 本发明属于地磁导航领域，特别涉及一种基于地磁异常数据形态特征的边界补偿方法。基于地磁异常数据形态特征的边界补偿方法，包括：对实测地磁异常数据进行规则网格化处理；平移地磁异常网格数据集，使均值为零；对平移后的零均值网格数据集进行二维经验模态分解；对二维经验模态分解结果进行形态特征提取；分割数据块单元，实时消除相邻单元的特征相似性冗余；消除所有数据块单元间的特征相似性冗余；构建多层级地磁异常数据边界补偿数据库；对待分析地磁异常数据进行边界补偿。本发明能够有效的改善区域地磁异常数据分析中的边界效应问题，相比与其他方法有更好的适用性和使用上的便捷性。
-
公开(公告)号：CN103198455B
公开(公告)日：2015-08-12
申请号：CN201310081823.7
申请日：2013-03-14
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明的目的在于提供一种利用全变差最小化和灰度共生矩阵的图像去噪方法，包括以下步骤：对原始含噪图像进行高斯滤波，使用检测窗遍历得到的图像，求出每个检测窗内子图像块的四个灰度共生矩阵，由得到的灰度共生矩阵求对比度图像，利用得到的对比度图像，并结合全变差最小化模型及各项扩散模型去除原始含噪图像中的噪声干扰。本发明提高了对边缘等纹理信息位置的检测精度，且使用对比度图像来自适应的在全变差最小化去噪方法和各项同性扩散去噪方法之间过渡，兼顾了二者在去噪和保护边缘的方面优点，并能有效地减少阶梯效应的影响。
-
公开(公告)号：CN103577607A
公开(公告)日：2014-02-12
申请号：CN201310585653.6
申请日：2013-11-20
Applicant: 哈尔滨工程大学
IPC: G06F17/30
CPC classification number: G06F17/30421 , G01C21/08
Abstract: 本发明属于地磁导航领域，特别涉及一种基于地磁异常数据形态特征的边界补偿方法。基于地磁异常数据形态特征的边界补偿方法，包括：对实测地磁异常数据进行规则网格化处理；平移地磁异常网格数据集，使均值为零；对平移后的零均值网格数据集进行二维经验模态分解；对二维经验模态分解结果进行形态特征提取；分割数据块单元，实时消除相邻单元的特征相似性冗余；消除所有数据块单元间的特征相似性冗余；构建多层级地磁异常数据边界补偿数据库；对待分析地磁异常数据进行边界补偿。本发明能够有效的改善区域地磁异常数据分析中的边界效应问题，相比与其他方法有更好的适用性和使用上的便捷性。
-
公开(公告)号：CN103177427A
公开(公告)日：2013-06-26
申请号：CN201310081824.1
申请日：2013-03-14
Applicant: 哈尔滨工程大学
Abstract: 本发明的目的在于提供一种X波段雷达图像同频干扰去除方法，包括：使用Sobel边缘检测算子检测同频干扰噪声，得到同频干扰噪声位置标记图像；对得到的同频干扰噪声位置标记图像进行二值化处理，得到新的同频干扰噪声位置标记图像；使用中值滤波法并结合步骤二中得到的同频干扰噪声位置标记图像去除X波段航海雷达图像中的同频干扰噪声。本发明使用Sobel边缘检测算子来检测X波段航海雷达图像中的同频干扰噪声，充分利用同频干扰噪声呈射线状的性质以及Sobel边缘检测算子检测直线状边缘的优势，提高了对同频干扰噪声位置的检测与定位精度。
-
公开(公告)号：CN102800058A
公开(公告)日：2012-11-28
申请号：CN201210232034.4
申请日：2012-07-06
Applicant: 哈尔滨工程大学
IPC: G06T5/00
Abstract: 本发明公开了一种基稀疏表示的遥感图像去云方法，具体涉及一种基于稀疏表示的遥感图像去云方法，包括：提取云掩膜矩阵得到新的图像、初始化迭代参数、固定图像的纹理部分更新图像的光滑部分、固定图像的光滑部分更新图像的纹理部分、使用全变差函数对光滑部分进行调整、更新迭代阈值、判断分解是否完成几个步骤。本发明提出一种基于稀疏表示的遥感图像去云方法，对图像的全变差调整函数的参数进行调整，即在使用块坐标松弛算法来分解图像时，通过改变全变差调整函数的参数来调节算法的收敛速度，提高算法的效率和对图像的分解效果。在尽可能不破坏图像原始信息的前提下，该方法去除厚云的效果比较明显。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
