-
公开(公告)号：CN108414468A
公开(公告)日：2018-08-17
申请号：CN201710070138.2
申请日：2017-02-09
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及红外光谱波段特征增强方法，具体涉及一种基于小波变换与非线性变换的红外光谱波段特征增强方法。提供了一种在红外光谱波段特征增强过程中，可有效抑制红外光谱图像中背景杂波干扰的方法。本发明的步骤为：一、利用皮尔逊相关系数计算红外光谱图像相邻波段之间的相关性，选择两对皮尔逊相关系数绝对值最小的相邻波段并以此为分解节点对红外光谱图像进行子空间分解。二、分别对三个子空间进行小波分解，得到三个系数空间。三、分别对三个系数空间进行非线性变换，得到特征增强后的红外光谱波段。本发明突出了待识别光谱与标准光谱间微小的光谱特征差异，可有效抑制背景杂波干扰，适用于红外多光谱或高光谱数据目标探测应用。
-
公开(公告)号：CN105389597B
公开(公告)日：2018-07-27
申请号：CN201510969347.1
申请日：2015-12-22
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 本发明公开了种基于Chernoff距离和SVM的高光谱数据多分类方法,其步骤如下:、对输入数据进行预处理,得到归化数据;二、计算任意两个类别之间的Chernoff距离,得到Chernoff距离矩阵;三、确定多分类任务OAA策略下的执行顺序表,得到每个波段以及全波段的可分性度量;四、构建基于Chernoff距离的子分类器指导系数;五、采用基于Chernoff距离的加权SVM分类器执行整个OAA策略所确定的分类任务,直到得到各个测试样本的最终单类别属性。本发明不仅提高了传统的SVM方法的精确度,而且对小样本类别的分类精度有较大的提高,适用于基于OAA分类策略的高光谱图像模式识别应用。
-
公开(公告)号：CN107527061A
公开(公告)日：2017-12-29
申请号：CN201610445958.0
申请日：2016-06-21
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6229 , G06K9/6262 , G06K9/6267
Abstract: 本发明涉及高光谱图像的降维方法，具体涉及一种基于归一化多维互信息和克隆选择的高光谱波段选择算法。提供了一种在高光谱图像波段选择中，实现克隆迭代次数选定的方法。本发明的步骤为：一、读入高光谱图像，定义抗原并随机生成初始集合，按照个体适应值大小选择出最佳个体组成集合。二、克隆最佳个体生成临时克隆集合，并对克隆集合进行高频变异操作并从中再次选择最佳个体组成集合。三、利用归一化多维互信息判断前后两个集合的相关联程度来决定迭代是否停止。本发明可以达到对高光谱图像降维的目的，为使数值计算更加准确，利用归一化多维互信息对迭代次数进行选择，减少了选择过程中不必要的过多迭代过程，适用于高光谱图像波段选择应用。
-
公开(公告)号：CN104093029B
公开(公告)日：2017-10-13
申请号：CN201410349710.5
申请日：2014-07-22
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种基于时空混沌系统的H.264视频加密算法，属于多媒体信息安全技术领域本发明。针对H.264视频加密算法很难同时满足实时性、高安全性、复杂度低的要求。本发明通过设计复杂时空混沌系统模型,构造复合混沌密码算法,设计生成更为安全的不易被攻破的加密伪随机序列.同时通过选择加密控制技术,对帧内帧间预测模式,CAVLC编码过程编码前的残差数据扫描顺序及编码中的多处关键数据进行加密。理论分析和实验结果表明,本发明算法加密速度快,安全性高,对压缩比影响小,同时做到了保持视频格式的无损性，具有广泛的应用前景和实用价值。
-
公开(公告)号：CN104504399B
公开(公告)日：2017-07-18
申请号：CN201510003048.2
申请日：2015-01-05
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种结合线性相关信息熵的多光谱数据有监督分类方法，涉及一种基于线性相关信息熵和kNN分类器的遥感图像有监督分类方法。本发明的步骤为：一、人工采样后自动筛选有监督分类所需的训练样本集合；二、自动寻优确定kNN分类器算法的参数；三、使用kNN分类器算法完成对多光谱遥感图像的分类。本发明通过多变量输入的训练样本高效自动筛选过程以及分类器参数自动寻优步骤，有效改善了kNN分类器算法的分类精度且减少了分类时间，使之更加适合大数据量多光谱遥感图像的高精度分类任务。
-
Patent Agency Ranking
公开(公告)号：CN104463229B
公开(公告)日：2017-06-27
申请号：CN201410840648.X
申请日：2014-12-30
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种基于相关系数冗余度的高光谱数据有监督分类方法，属于遥感图像信息处理领域。所述方法步骤如下：步骤一、利用相关系数冗余度自动筛选有监督分类所需要的训练样本集合；步骤二、对SVM核函数的参数进行寻优；步骤三、使用SVM分类器算法完成对高光谱遥感图像的二分类任务；步骤四、基于一对一策略实现多分类任务。该方法通过计算单次选择样本集合的相关系数冗余度来辅助自动筛选训练样本，并将遗弃样本用于分类器参数的自动寻优，使得SVM分类器算法的分类精度得到了有效提升，并通过精简支撑向量减少了时间消耗，使之在处理高光谱遥感图像的高精度分类任务中更具实用价值。
-
公开(公告)号：CN104008383B
公开(公告)日：2017-03-08
申请号：CN201410286545.3
申请日：2014-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于流形学习线性化的高光谱图像特征提取方法，属于高光谱图像数据处理与应用技术领域。本发明针对流形学习方法无泛化能力的不足，提出了一种改进的流形学习线性化方法。所述方法包括如下步骤：一、计算初步降维结果和拉普拉斯矩阵；二、构建矩阵方程组常数项矩阵和系数矩阵；三、计算特征转换矩阵；四、通过特征转换矩阵计算最终降维结果。本发明针对LPP、NPE和LLTSA线性化流形学习方法中全局线性映射的假设在很多时候不成立的不足，在原有的代价函数中加入了偏离原流形学习方法结果的惩罚项，并且舍去了原目标函数中的约束项，将最优特征转换矩阵的求解转换为一个矩阵方程组的求解问题。该方法适用于高光谱图像的特征提取。
-
公开(公告)号：CN105704500A
公开(公告)日：2016-06-22
申请号：CN201610153339.4
申请日：2016-03-17
Applicant: 哈尔滨工业大学(威海)
CPC classification number: H04N19/63 , H04L9/001 , H04N17/004
Abstract: 一种基于多种混沌的图像无损压缩加密联合算法，属于多媒体信息安全技术领域。本发明针对图像无损压缩算法SPIHT高安全性的需求，设计了一种基于多种混沌的图像无损压缩加密联合算法。该算法设计生成更为安全的不易被攻破的加密伪随机序列，并且通过设计局部扩散和整体置乱的方式对小波变换系数矩阵进行加密，并且在SPIHT编码进行的过程中，对排序扫描部分进行了多轮加密。理论分析和实验结果表明, 本发明算法加密速度快, 安全性高, 对压缩比影响小,同时做到了保持图片文件的无损性，具有广泛的应用前景和实用价值。
-
公开(公告)号：CN104504399A
公开(公告)日：2015-04-08
申请号：CN201510003048.2
申请日：2015-01-05
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种结合线性相关信息熵的多光谱数据有监督分类方法，涉及一种基于线性相关信息熵和kNN分类器的遥感图像有监督分类方法。本发明的步骤为：一、人工采样后自动筛选有监督分类所需的训练样本集合；二、自动寻优确定kNN分类器算法的参数；三、使用kNN分类器算法完成对多光谱遥感图像的分类。本发明通过多变量输入的训练样本高效自动筛选过程以及分类器参数自动寻优步骤，有效改善了kNN分类器算法的分类精度且减少了分类时间，使之更加适合大数据量多光谱遥感图像的高精度分类任务。
-
公开(公告)号：CN104008383A
公开(公告)日：2014-08-27
申请号：CN201410286545.3
申请日：2014-06-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于流形学习线性化的高光谱图像特征提取算法，属于高光谱图像数据处理与应用技术领域。本发明针对流形学习算法无泛化能力的不足，提出了一种改进的流形学习线性化算法。所述方法包括如下步骤：一、计算初步降维结果和拉普拉斯矩阵；二、构建矩阵方程组常数项矩阵和系数矩阵；三、计算特征转换矩阵；四、通过特征转换矩阵计算最终降维结果。本发明针对LPP、NPE和LLTSA线性化流形学习算法中全局线性映射的假设在很多时候不成立的不足，在原有的代价函数中加入了偏离原流形学习算法结果的惩罚项，并且舍去了原目标函数中的约束项，将最优特征转换矩阵的求解转换为一个矩阵方程组的求解问题。该方法适用于高光谱图像的特征提取。
-
-
-
-
-
-
-
-
-
Search Results
132
records
(took 0.01 seconds)
