-
公开(公告)号：CN114862883B
公开(公告)日：2025-04-04
申请号：CN202210479919.8
申请日：2022-05-05
Applicant: 长安大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种目标边缘提取方法、图像分割方法及系统。所述目标边缘提取方法通过构建基于边缘查找的无监督粗略分割方法模拟视觉的工作记忆原理，进行场景的整体认知，获取大面积目标的准确边缘。所述图像分割方法是基于目标提取方法和分割神经网络，模拟视觉注意对场景进行细致观察，得到小面积的细节；最后根据视觉表现出的推理能力，结合粗略分割中的准确边缘生成分割结果。本发明在模拟视觉推理分别认知地面场景整体与细节的基础上，进行整体信息与细节信息的相互补充与相互修正，实施噪声去除、错误修复，从而有效提高图像分割的精度。
-
公开(公告)号：CN114862883A
公开(公告)日：2022-08-05
申请号：CN202210479919.8
申请日：2022-05-05
Applicant: 长安大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种目标边缘提取方法、图像分割方法及系统。所述目标边缘提取方法通过构建基于边缘查找的无监督粗略分割方法模拟视觉的工作记忆原理，进行场景的整体认知，获取大面积目标的准确边缘。所述图像分割方法是基于目标提取方法和分割神经网络，模拟视觉注意对场景进行细致观察，得到小面积的细节；最后根据视觉表现出的推理能力，结合粗略分割中的准确边缘生成分割结果。本发明在模拟视觉推理分别认知地面场景整体与细节的基础上，进行整体信息与细节信息的相互补充与相互修正，实施噪声去除、错误修复，从而有效提高图像分割的精度。
-
公开(公告)号：CN106251310B
公开(公告)日：2018-02-13
申请号：CN201610643490.6
申请日：2016-08-08
Applicant: 长安大学
Abstract: 本发明公开了一种多光谱遥感异常信息提取方法，该方法包括以下步骤：对获取的遥感影像进行预处理；对预处理影像进行掩膜处理；对掩膜处理后的影像进行比值‑主成分转换，得到若干主成分影像；对每种主成分影像进行分形分析，实现异常信息的提取。本发明具有一定的普适性和可操作性，能够最大限度的剔除各类非异常和假异常，突出与资源环境有关的真异常(如植被指数异常、蚀变异常等)，并实现异常分级，因此具有重要的理论和实践意义，可服务于地勘、矿山、环保等政府部门和相关企业。
-
Patent Agency Ranking
公开(公告)号：CN111008647A
公开(公告)日：2020-04-14
申请号：CN201911076217.X
申请日：2019-11-06
Applicant: 长安大学
Abstract: 本发明属于图像处理技术领域，公开了一种样本提取及基于空洞卷积与残差链接的图像分类方法，样本提取方法通过构建原始图像的图像金字塔，然后对图像金字塔进行卷积，并提取标识结果，并通过二值化，模糊聚类等方法最终获得带有类别标签的区域标识图，最终通过图像映射得到同源可靠分类样本。基于空洞卷积与残差链接的图像分类方法通过模拟视网膜中央凹清晰视野的方法，构架了完全自适应的深度学习分类网络，从影像自身的同源可靠样本中学习不同类别独有的特征模式，并根据学习到的特征模式，对图像进行了完全自适应的分类。
-
公开(公告)号：CN106569210B
公开(公告)日：2017-10-31
申请号：CN201610905725.4
申请日：2016-10-18
Applicant: 长安大学
Abstract: 本发明公开了一种基于遥感的土壤水分反演方法和装置，包括以下步骤：步骤1,根据SAR影像的参数信息，反演得到SAR影像中各个像元的地表组合粗糙度；步骤2,根据入射角范围和各个像元的地表组合粗糙度这两个指标，逐像元进行分类判断选择对应的土壤水分反演半经验方程；步骤3,通过野外实测数据对各半经验方程的系数进行回归拟合，得到像元对应的经验反演方程；步骤4,得到SAR影像中各像元对应的土壤水分；本发明突破了目前常规使用单一反演方程反演所有不同区域土壤水分的方法，使得本发明适用性更广泛；另外本发明考虑了土壤有效温度和土壤质地对后向散射系数的影响，能够有效提高土壤水分的反演精度。
-
公开(公告)号：CN111008647B
公开(公告)日：2022-02-08
申请号：CN201911076217.X
申请日：2019-11-06
Applicant: 长安大学
IPC: G06K9/62 , G06V10/764 , G06V10/56
Abstract: 本发明属于图像处理技术领域，公开了一种样本提取及基于空洞卷积与残差链接的图像分类方法，样本提取方法通过构建原始图像的图像金字塔，然后对图像金字塔进行卷积，并提取标识结果，并通过二值化，模糊聚类等方法最终获得带有类别标签的区域标识图，最终通过图像映射得到同源可靠分类样本。基于空洞卷积与残差链接的图像分类方法通过模拟视网膜中央凹清晰视野的方法，构架了完全自适应的深度学习分类网络，从影像自身的同源可靠样本中学习不同类别独有的特征模式，并根据学习到的特征模式，对图像进行了完全自适应的分类。
-
公开(公告)号：CN106569210A
公开(公告)日：2017-04-19
申请号：CN201610905725.4
申请日：2016-10-18
Applicant: 长安大学
Abstract: 本发明公开了一种基于遥感的土壤水分反演方法和装置，包括以下步骤：步骤1,根据SAR影像的参数信息，反演得到SAR影像中各个像元的地表组合粗糙度；步骤2,根据入射角范围和各个像元的地表组合粗糙度这两个指标，逐像元进行分类判断选择对应的土壤水分反演半经验方程；步骤3,通过野外实测数据对各半经验方程的系数进行回归拟合，得到像元对应的经验反演方程；步骤4,得到SAR影像中各像元对应的土壤水分；本发明突破了目前常规使用单一反演方程反演所有不同区域土壤水分的方法，使得本发明适用性更广泛；另外本发明考虑了土壤有效温度和土壤质地对后向散射系数的影响，能够有效提高土壤水分的反演精度。
-
公开(公告)号：CN106251310A
公开(公告)日：2016-12-21
申请号：CN201610643490.6
申请日：2016-08-08
Applicant: 长安大学
CPC classification number: G06T5/40 , G06T5/006 , G06T7/0002 , G06T2207/10036 , G06T2207/30181
Abstract: 本发明公开了一种多光谱遥感异常信息提取方法，该方法包括以下步骤：对获取的遥感影像进行预处理；对预处理影像进行掩膜处理；对掩膜处理后的影像进行比值-主成分转换，得到若干主成分影像；对每种主成分影像进行分形分析，实现异常信息的提取。本发明具有一定的普适性和可操作性，能够最大限度的剔除各类非异常和假异常，突出与资源环境有关的真异常(如植被指数异常、蚀变异常等)，并实现异常分级，因此具有重要的理论和实践意义，可服务于地勘、矿山、环保等政府部门和相关企业。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
