-
公开(公告)号：CN103942564A
公开(公告)日：2014-07-23
申请号：CN201410140377.7
申请日：2014-04-08
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作；计算所有训练图像块的低维流形表示，聚类得到一组聚类中心；对每一幅场景密集采样得到局部图像块，对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特征；将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全局特征表达；随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始高分辨率遥感场景的标注任务。
-
公开(公告)号：CN104036293B
公开(公告)日：2017-02-22
申请号：CN201410262170.7
申请日：2014-06-13
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤：步骤1，划分待分类遥感影像获得场景单元；步骤2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本；步骤3，采用非监督学习法学习局部图像块训练样本获得滤波器组；步骤4，将场景单元与滤波器组中各滤波器分别做卷积获得各场景单元的 幅滤波器响应图，采用二值编码法分别融合各场景单元的 幅滤波器响应图获得各场景单元的全局特征描述；步骤5，基于场景单元的全局特征描述进行场景单元分类。本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。
-
Patent Agency Ranking
公开(公告)号：CN103745444B
公开(公告)日：2016-04-27
申请号：CN201410027475.X
申请日：2014-01-21
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于拓扑树的非真实感图像渲染方法，包括步骤：步骤1，建立原始图像的形状拓扑树表达；步骤2，根据形状拓扑树中各形状的形状属性，保持形状拓扑树结构，删除形状属性不满足阈值要求的形状；步骤3，通过对形状拓扑树中形状进行修改以实现图像渲染和重构。本发明基于图像的形状拓扑树表达，对图像基本构成单元进行修改，以达到非真实感图像渲染的目的，且可在不损失图像信息的前提下大大提高渲染效率。
-
公开(公告)号：CN103942564B
公开(公告)日：2017-02-15
申请号：CN201410140377.7
申请日：2014-04-08
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作；计算所有训练图像块的低维流形表示，聚类得到一组聚类中心；对每一幅场景密集采样得到局部图像块，对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特征；将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全局特征表达；随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始高分辨率遥感场景的标注任务。
-
公开(公告)号：CN104036293A
公开(公告)日：2014-09-10
申请号：CN201410262170.7
申请日：2014-06-13
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供了一种基于快速二值编码的高分辨率遥感影像场景分类方法，包括步骤：步骤1，划分待分类遥感影像获得场景单元；步骤2，从场景单元中提取尺寸相同的图像块作为局部图像块训练样本；步骤3，采用非监督学习法学习局部图像块训练样本获得滤波器组；步骤4，将场景单元与滤波器组中各滤波器分别做卷积获得各场景单元的幅滤波器响应图，采用二值编码法分别融合各场景单元的幅滤波器响应图获得各场景单元的全局特征描述；步骤5，基于场景单元的全局特征描述进行场景单元分类。本发明在保证场景分类精度的前提下，大大降低了非监学习法的计算代价。
-
公开(公告)号：CN103745444A
公开(公告)日：2014-04-23
申请号：CN201410027475.X
申请日：2014-01-21
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于拓扑树的非真实感图像渲染方法，包括步骤：步骤1，建立原始图像的形状拓扑树表达；步骤2，根据形状拓扑树中各形状的形状属性，保持形状拓扑树结构，删除形状属性不满足阈值要求的形状；步骤3，通过对形状拓扑树中形状进行修改以实现图像渲染和重构。本发明基于图像的形状拓扑树表达，对图像基本构成单元进行修改，以达到非真实感图像渲染的目的，且可在不损失图像信息的前提下大大提高渲染效率。
-
公开(公告)号：CN103854030A
公开(公告)日：2014-06-11
申请号：CN201410105398.5
申请日：2014-03-20
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于形状共生模式的纹理图像分类方法，本发明方法首先对图像建立形状拓扑树，并根据形状拓扑树中各独立形状的形状属性特征以及独立形状的级联关系构造形状共生模式特征；然后，基于聚类算法构造形状共生模式字典，并统计获得图像中所有独立形状的形状共生模式特征对形状共生模式字典的分布直方图；最后，利用图像的分布直方图作为图像纹理特征进行纹理图像分类。本发明可同时对图像中大面积区域和小面积区域进行特征分析，而不仅局限于局部特征分析，稳定性更高；另外，提出了形状共生模式，可对形状结构间的关系进行建模，尤其适用于图像的纹理分析和识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.056 seconds)
