公开(公告)号：CN119625532A

公开(公告)日：2025-03-14

申请号：CN202411705099.5

申请日：2024-11-26

Applicant: 大连海事大学

Inventor： 宋梅萍 ,  祝龙 ,  史印通

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/772 ,  G06V10/74

Abstract: 本发明公开了一种秩稀疏分解的高光谱图像异常检测方法，其特征在包括：采用低秩稀疏分解方式将高光谱图像划分为背景成分和异常成分，在背景成分和异常成分中选取背景原子和异常原子并构建联合字典；结合构建的联合字典基于非负联合字典协同表示模型对高光谱图像进行处理，得到残差图，将所述残差图作为初步检测结果；采用滑动窗口策略将窗口代替单个待测像素，计算该窗口与其周围滑动窗口的差异度，以该差异度作为待测像素的异常权重；使用所述异常权重对残差图进行加权处理，得到高光谱图像的异常检测结果。本方法可有效的用于高光谱图像异常检测，在遥感图像实际处理中具有重要意义。

公开(公告)号：CN119027380A

公开(公告)日：2024-11-26

申请号：CN202411060737.2

申请日：2024-08-05

Applicant: 大连海事大学

Inventor： 宋梅萍 ,  史印通 ,  岳峰宇 ,  祝龙 ,  张钰霄 ,  尹雪儿

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/56 ,  G06V10/58 ,  G06V10/774 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82

Abstract: 本发明公开了一种基于波段线性变换与深度学习的烟丝杂质检测方法，该方法使用高光谱成像技术获得多波段图像并对图像进行校正；其次采用波段线性变换的方式将多波段高光谱图像转换为3波段图像，得到的3波段图像包含多波段图像的特性，在降低图像维度的同时保留了有助于检测的图像信息；最后，将波段线性变换得到的3波段图像制作数据集，用yolo模型进行训练和异物检测。将该方法应用于烟草的杂质剔除工作，提高了图像质量和检测精度，对实际的生产具有重要的实际意义。