-
公开(公告)号：CN105138966B
公开(公告)日：2018-11-16
申请号：CN201510467832.9
申请日：2015-08-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于快速密度峰值聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：1.对待分类极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Yamaguchi分解，计算每个像素点的四种散射功率；3.提取每个像素点主散射功率，将整幅图像初始划分为四类；4.按照初始类别中所有像素点的主散射功率，将整个极化SAR图像划分为M类；5.以M个类别的中心点作为新像素点进行聚类，并将聚类结果转化为整幅图像的预分类结果；6.对预分类结果进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。
-
公开(公告)号：CN105118025B
公开(公告)日：2018-03-06
申请号：CN201510493934.8
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于软阈值编码的快速图像超分辨方法。其步骤为：(1)输入待处理的低分辨图像；(2)获得待处理的低分辨图像块集；(3)获得高和低分辨训练图像块集；(4)计算高和低分辨字典；(5)获得高分辨图像块集；(6)获得高分辨图像。本发明将软阈值编码引入到图像超分辨领域来，克服了现有技术中采用稀疏表示从而导致的重构时间过程、引入噪声和不必要信息的缺陷，超分辨恢复的图像轮廓更加清晰，更加真实自然。
-
公开(公告)号：CN105005965B
公开(公告)日：2017-11-21
申请号：CN201510494788.0
申请日：2015-08-12
Applicant: 西安电子科技大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于最大期望算法的自然图像超分辨方法。其步骤为：(1)输入低分辨图像；(2)插值图像；(3)获得隐图像；(4)切成隐图像块；(5)获得隐图象块的相似矩阵；(6)获得隐图像块的字典；(7)获得估计图像块的均值和协方差；(8)获得估计图像块的最大后验估计值；(9)获得高分辨图像；(10)计算相对误差；(11)判断是否满足终止条件；(12)更新数据；(13)输出最优的高分辨图像。本发明将最大期望算法引入到自然图像超分辨领域中，获得丰富的恢复图像细节信息，适合在复杂情况下的图像超分辨。
-
公开(公告)号：CN105138966A
公开(公告)日：2015-12-09
申请号：CN201510467832.9
申请日：2015-08-03
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6223 , G06K9/6262
Abstract: 本发明公开了一种基于快速密度峰值聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：1.对待分类极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Yamaguchi分解，计算每个像素点的四种散射功率；3.提取每个像素点主散射功率，将整幅图像初始划分为四类；4.按照初始类别中所有像素点的主散射功率，将整个极化SAR图像划分为M类；5.以M个类别的中心点作为新像素点进行聚类，并将聚类结果转化为整幅图像的预分类结果；6.对预分类结果进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。
-
公开(公告)号：CN107203791B
公开(公告)日：2019-12-31
申请号：CN201710522622.4
申请日：2017-06-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于异极化比和散射功率熵的极化SAR图像分类方法，用于解决现有无监督极化SAR图像分类方法中存在的分类精度低的技术问题。实现步骤为：去除待分类的极化SAR图像中的相干斑噪声；对极化SAR图像进行Freeman分解，得到图像的三种散射功率；根据三种散射功率计算图像的散射功率熵；利用三种散射功率和散射功率熵把极化SAR图像初始划分为7类；计算极化SAR图像中每个像素点的共极化与交叉极化分量之间的比值：异极化比；利用该比值对7类极化SAR数据中的每一类进行同比例的细分；基于特定的类间合并准则对分类结果进行合并；对合并后的结果进行复Wishart迭代并上色，得到最终的彩色分类图。
-
Patent Agency Ranking
公开(公告)号：CN105138970B
公开(公告)日：2018-11-16
申请号：CN201510481787.2
申请日：2015-08-03
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于空间信息的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高，不能自适应选择分类目标类别数的问题。其实现步骤为：1.对极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Pauli分解，获得极化SAR数据的伪彩色图；3.使用改进的SLIC超像素算法对伪彩色图进行过分割，获得K个超像素块；4.对K个超像素块进行快速密度峰值聚类，获得图像的预分类结果；5.对预分类得到的整幅图像Wishart分类器进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。
-
公开(公告)号：CN105160353B
公开(公告)日：2018-07-17
申请号：CN201510505194.5
申请日：2015-08-18
Applicant: 西安电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多特征集的极化SAR数据地物分类方法。本发明实现的步骤为：(1)输入数据；(2)精致Lee滤波；(3)提取两个特征集；(4)对两个特征集聚类；(5)比较聚类结果；(6)迭代分类；(7)输出结果。本发明相比现有技术基于单一特征集的Wishart分类方法，提高了极化合成孔径雷达SAR数据的分类精度，减少了使用Wishart分类方法分类极化合成孔径雷达SAR数据时的迭代次数，解决了极化信息利用不充分和用于Wishart分类方法的训练样本集中有许多错分样本的问题。本发明可应用于极化合成孔径雷达SAR数据地物分类。
-
公开(公告)号：CN105138970A
公开(公告)日：2015-12-09
申请号：CN201510481787.2
申请日：2015-08-03
Applicant: 西安电子科技大学
CPC classification number: G06K9/0063 , G06K9/6223 , G06K9/6262
Abstract: 本发明公开了一种基于空间信息的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高，不能自适应选择分类目标类别数的问题。其实现步骤为：1.对极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Pauli分解，获得极化SAR数据的伪彩色图；3.使用改进的SLIC超像素算法对伪彩色图进行过分割，获得K个超像素块；4.对K个超像素块进行快速密度峰值聚类，获得图像的预分类结果；5.对预分类得到的整幅图像Wishart分类器进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。
-
公开(公告)号：CN107203791A
公开(公告)日：2017-09-26
申请号：CN201710522622.4
申请日：2017-06-30
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于异极化比和散射功率熵的极化SAR图像分类方法，用于解决现有无监督极化SAR图像分类方法中存在的分类精度低的技术问题。实现步骤为：去除待分类的极化SAR图像中的相干斑噪声；对极化SAR图像进行Freeman分解，得到图像的三种散射功率；根据三种散射功率计算图像的散射功率熵；利用三种散射功率和散射功率熵把极化SAR图像初始划分为7类；计算极化SAR图像中每个像素点的共极化与交叉极化分量之间的比值：异极化比；利用该比值对7类极化SAR数据中的每一类进行同比例的细分；基于特定的类间合并准则对分类结果进行合并；对合并后的结果进行复Wishart迭代并上色，得到最终的彩色分类图。
-
公开(公告)号：CN105160353A
公开(公告)日：2015-12-16
申请号：CN201510505194.5
申请日：2015-08-18
Applicant: 西安电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6223
Abstract: 本发明公开了一种基于多特征集的极化SAR数据地物分类方法。本发明实现的步骤为：(1)输入数据；(2)精致Lee滤波；(3)提取两个特征集；(4)对两个特征集聚类；(5)比较聚类结果；(6)迭代分类；(7)输出结果。本发明相比现有技术基于单一特征集的Wishart分类方法，提高了极化合成孔径雷达SAR数据的分类精度，减少了使用Wishart分类方法分类极化合成孔径雷达SAR数据时的迭代次数，解决了极化信息利用不充分和用于Wishart分类方法的训练样本集中有许多错分样本的问题。本发明可应用于极化合成孔径雷达SAR数据地物分类。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.029 seconds)
