-
公开(公告)号：CN110361091B
公开(公告)日：2024-07-12
申请号：CN201910518788.8
申请日：2019-06-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种空间外差光谱扫描成像方法及超光谱图像解调算法。其特征是：将空间外差光谱仪对准待扫描成像的目标区域；调整光谱仪使其能够清晰成像；空间外差光谱仪每次以预设的移动距离更改位置并在每个位置对可视区域进行一次图像采集；通过推扫成像获得数据立方体的空间维信息，即干涉图像序列；在干涉图像序列中对某一目标点进行点干涉图提取；对重构出的目标点完整干涉图进行傅里叶变换复原得到目标点光谱数据；对所有目标点进行解调，生成图谱数据立方体。这种方法能够实现通过一次推扫成像便可在获得观测范围内目标二维空间信息的同时，还可以获得用来表征目标物理属性的一维光谱信息。
-
公开(公告)号：CN118314041A
公开(公告)日：2024-07-09
申请号：CN202410479342.X
申请日：2024-04-22
Applicant: 桂林电子科技大学
IPC: G06T5/70 , G06N3/0464 , G06N3/08 , G06T5/60
Abstract: 本发明提供的是基于深度学习的空间外差干涉图盲元噪声校正方法。包括以下步骤：步骤S1：预处理实测干涉图数据集，获得不同时间维的干涉图数据。步骤S2：使用罗曼诺夫斯基定律检测干涉图数据集中的盲元噪声，并将其像元归零。步骤S3：搭建LSConv，用于初步填补噪声图像的线选择卷积块；将处理后的干涉图数据集输入线选择卷积层，对归零的盲元点进行初步修正。步骤S4：将修正后的干涉图输入以传统CNN为主的针对不同比例的盲元噪声，单独训练的深度学习模型，输出完成盲元校正的干涉图。本方法可用于干涉图中盲元噪声的检测与校正，并在定量标准和视觉效果方面超越了大部分同类方法，尤其是在高密度和超高密度噪声的情况下。可广泛用于光谱干涉图的校正领域。
-
公开(公告)号：CN117928733A
公开(公告)日：2024-04-26
申请号：CN202410116332.X
申请日：2024-01-29
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于深度神经网络的空间外差干涉光谱信息提取方法。该方法包括以下步骤：利用空间外差光谱技术探测已知光谱信息的目标获取空间外差干涉图及其相应的空间外差光谱，以此组建训练集；将空间外差干涉图和空间外差光谱导入构建的深度神经网络进行训练；经过多次参数调整和迭代优化得到训练好的网络模型；应用时，利用空间外差光谱技术获取探测目标的空间外差干涉图；然后将探测目标的空间外差干涉图导入训练好的网络模型；最后，训练好的网络模型直接从空间外差干涉图中提取出空间外差光谱。该发明可以简化傅里叶变换等一系列的信息处理流程，准确高效地实现端到端提取特定空间外差干涉图中所含目标的光谱信息。
-
公开(公告)号：CN117690039A
公开(公告)日：2024-03-12
申请号：CN202311738047.3
申请日：2023-12-14
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种综合纹理信息、光谱信息、偏振信息、多角度信息的深度学习云检测方法，包括：构建包含空间纹理、光谱、偏振、多角度等多维度信息的深度学习训练数据集，搭建基于DenseNet模型的偏振遥感云检测模型(GS‑DenseNet)，引入Gabor变换及通道注意力机制,优化云检测模型及数据集；通过MODIS云标签数据验证模型云检测的有效性。本发明可用于偏振遥感的云检测，为偏振遥感数据的应用与发展提供帮助。
-
公开(公告)号：CN117648819A
公开(公告)日：2024-03-05
申请号：CN202311675054.3
申请日：2023-12-08
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种卷云光学厚度反演校正方法。其特征是：利用RT3模型结合MODIS云参数和大气文件以及散射矩阵文件，建立卷云光学厚度查找表，对所得气溶胶参数进行模拟计算卷云反射率，分析气溶胶参数对卷云光学厚度反演的影响，另外将实测气溶胶参数作为模拟设定值，实现卷云光学厚度反演精度的提高。本发明采用天空‑太阳光度计获取大气气溶胶参数，利用查找表对卷云光学厚度进行反演，并与利用MODIS产品参数反演的卷云光学厚度进行对比验证。本发明利用地基‑卫星遥感探究气溶胶对卷云光学厚度的影响，将有助于实现卷云光学厚度更精确的反演以及云光学特性的准确描述。同时此方法也能广泛应用在不同地区，对其他地区卷云光学特性反演更有参考意义，在研究气溶胶效应，评估大气环境质量以及对于辐射传输模型的建立等方面具有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111982287B
公开(公告)日：2022-09-09
申请号：CN202010824721.X
申请日：2020-08-17
Applicant: 桂林电子科技大学
IPC: G01J4/00
Abstract: 本发明提供的是一种基于可谐调带宽入射光校正空间调制偏振成像参数的方法。其过程包括：A1，在频域中找到中心波长λ1窄带宽入射光的Stokes矢量S1被调制的位置a1；A2，通过可谐调滤光片调节带宽d和降低入射光的中心波长λ1，当偏振度DOP发生变化时由中心波长λ1减去带宽的一半d/2得到此波段不发生混叠时最小的波长λ2；A3，通过可谐调滤波片增大入射光的中心波长和调节带宽d，当偏振度DOP发生变化时由中心波长λ1加上带宽的一半d/2得到此波段不发生混叠时最大的波长λ3；A4，通过得到的此波段不发生混叠时最小的波长λ2和被调制的位置a1根据公式t1＝ΔDN/f＝a1×λ2计算出偏振成像系统整体的系数t1；A5，通过得到的此波段不发生混叠时最大的波长λ3和a1+1根据公式t2＝ΔDN/f＝λ3×(a1+1)计算出偏振成像系统整体的参数t2，对两个系数t1和t2进行对比检测。本
-
公开(公告)号：CN111953423A
公开(公告)日：2020-11-17
申请号：CN202010823051.X
申请日：2020-08-17
Applicant: 桂林电子科技大学
IPC: H04B10/532 , H04B10/548
Abstract: 本发明提供的是一种基于空间调制偏振成像的在宽波段偏振成像中避免出现混叠的入射光带宽的确定方法。其过程包括：A1，由理论入射光中心波长λ1计算在频域中调制的位置a1；A2，对a1进行向上取整为a2和向下取整为a3；A3，由成像设备的参数计算出a2和a3代表的波长为λ2和λ3；A4，得到中心波长λ1所处的使解调信号不混叠的波段λ2～λ3；A5，在波段λ2～λ3中选择相应的带宽或重新确定中心波长。本发明可用于宽波段空间调制偏振成像中解调结果不混叠的入射光带宽的确定，可广泛用于宽波段偏振遥感成像等领域。
-
公开(公告)号：CN109764963A
公开(公告)日：2019-05-17
申请号：CN201910061534.8
申请日：2019-01-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种棱镜型空间外差光谱仪基准波长设置及调试方法，包括：1）设定棱镜型空间外差光谱仪的基准波长；2）确定色散棱镜参数；3）获取棱镜型空间外差光谱仪平面反射镜与光轴正交面之间的夹角；4）设置棱镜型空间外差光谱仪基准波长λ0；5）波长为λ0的激光器发射光线；6）调整棱镜型空间外差光谱仪中平面反射镜，使其与光轴正交面的夹角为θ；7）利用棱镜型空间外差光谱仪CCD探测器采集干涉图像；8）依据干涉图像完成棱镜型空间外差光谱仪基准波长的调试。这种方法能快速设置棱镜型空间外差光谱仪基准波长，然后利用与棱镜型空间外差光谱仪基准波长一致的激光器来对该基准波长进行调试。
-
公开(公告)号：CN119379545A
公开(公告)日：2025-01-28
申请号：CN202411451405.7
申请日：2024-10-17
Applicant: 桂林电子科技大学
Abstract: 本发明提供的是一种基于自适应双边滤波和UDWT的空间外差干涉校正方法。其特征在于：步骤S1：通过空间外差光谱仪获取干涉图，并使用Prewitt算子计算边缘响应，提取边缘特征。步骤S2：基于高斯滤波器，构建结合灰度域权重和空间域权重的双边滤波器，提升双边滤波的去噪效果。步骤S3：对处理后的干涉图进行非下采样小波变换(UDWT)，分解为多个尺度和方向的子带，并进行重构，获得去噪后的干涉图。步骤S4：经过傅里叶变换实现光谱复原，得到去噪后的光谱信号，去噪后的光谱信号特征峰更为明显，曲线更加平滑，同时显著改善峰值信噪比和非均匀性。本发明对光谱信号的噪声去除效果显著，可广泛用于空间外差光谱的噪声处理。
-
公开(公告)号：CN117495706A
公开(公告)日：2024-02-02
申请号：CN202311534203.4
申请日：2023-11-17
Applicant: 桂林电子科技大学
IPC: G06T5/70 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供的是一种基于深度学习的干涉图高密度椒盐噪声去噪方法，包括以下步骤：步骤S1：预处理实测干涉图数据集，得到用于深度学习训练的训练集，验证集；步骤S2：搭建LSConv，用于初步填补噪声图像的线选择卷积块；步骤S3：以传统的CNN为主，搭建降噪模型，进一步矫正被LSConv修复的数据集数据，训练时，针对不同比例的SAP噪声，单独训练去噪模型；步骤S4：使用损失函数判断模型收敛情况，输出针对不同比例SAP噪声的降噪网络。该线选择卷积块网络能有效地恢复被SAP噪声破坏的干涉图，并在定量标准和视觉效果方面超越了大部分同类方法，尤其是在高密度和超高密度噪声的情况下。可广泛用于光学图像信息恢复等领域。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.023 seconds)
