-
公开(公告)号：CN102054273B
公开(公告)日：2013-02-27
申请号：CN201010539637.X
申请日：2010-11-11
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于单形体三角分解的高光谱遥感图像混合像元分解方法。本发明采用采用线性混合模型，具体步骤包括两部分：端元提取和丰度估计。该方法既是一种单形体类的几何方法，同时又建立在三角分解的代数原理之上。三角分解可采用Cholesky分解和QR分解，能够通过递归操作，在端元提取过程中提高端元的搜索效率。本发明可以有效地提取高光谱遥感数据中的端元，解决相应的混合像元分解问题。在基于高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN102289673A
公开(公告)日：2011-12-21
申请号：CN201110169305.1
申请日：2011-06-22
Applicant: 复旦大学
Abstract: 本发明属于高光谱遥感图像处理技术领域，具体为一种基于偏最小二乘法的高光谱遥感图像波段选择的方法。本发明利用偏最小二乘法提取成分保留高光谱图像变异信息且与分类信息相关程度高的特点，将光谱矩阵与隶属度矩阵乘积的能量作为选择波段的标准，通过迭代求取已选择波段递归的残差来选择下一组波段，实现波段选择的过程。本发明能有效克服传统多光谱图像波段选择方法计算复杂度高，需要去除相关波段的缺点。高光谱遥感图像分类实验结果表明，高光谱遥感图像使用本发明进行波段后具有良好的分类效果。本发明对于高效利用高光谱图像的信息资源有着重要的应用价值。
-
公开(公告)号：CN102193090A
公开(公告)日：2011-09-21
申请号：CN201010128981.X
申请日：2010-03-19
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种新的基于非负矩阵分解算法的混合像元分解方法。本发明方法根据高光谱图像光谱和丰度的特点，在非负矩阵分解算法的目标函数中引入丰度分离性和平滑性的约束条件，并且在适当的时机移除这些约束条件并继续迭代，从而克服了NMF算法容易陷入局部极小的缺点，可以有效的解决高混合遥感数据的混合像元分解方法。本方法在基于多光谱和高光谱遥感图像的高精度的地物分类以及地面目标的检测和识别方面具有特别重要的应用价值。
-
公开(公告)号：CN102096824A
公开(公告)日：2011-06-15
申请号：CN201110040019.5
申请日：2011-02-18
Applicant: 复旦大学
Abstract: 本发明属于遥感图像目标检测技术领域，具体为一种基于选择性视觉注意机制的多光谱遥感图像舰船目标快速检测的方法。本发明将多维数据构建成双四元数的形式，利用其傅里叶变换的相位谱来提取显著性区域，用于显著目标检测，实现了多维数据的整体处理，并充分利用了光谱域和空间域的信息。本发明能有效克服传统多光谱图像舰船检测方法计算复杂度高，参数设置复杂的缺点。模拟数据与真实多光谱遥感数据的实验结果表明，本发明具有良好的检测效果，同时对噪声具有较强的鲁棒性。在海洋渔业，海洋运输管制，海上军事监测等方面有着巨大的应用价值。
-
公开(公告)号：CN101839980A
公开(公告)日：2010-09-22
申请号：CN200910047984.8
申请日：2009-03-20
Applicant: 复旦大学
IPC: G01S17/89
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于分割窗的无监督遥感图像变化检测方法。该方法将差异图像分割成子图像，通过求子图像的局部阈值来确定差异图像的整体阈值。实验结果表明，该方法能较好的解决变化区域相对较大或较小时一般变化检测方法无法进行准确的变化检测的问题，相对于一般变化检测的方法，检测精度有明显的提高。本发明可用于遥感图像变化检测领域，特别是在遥感图像变化区域的面积比例相对较大或较小的情况下。本发明对于进一步提高变化检测的精度具有重要的实际应用价值，在遥感图像变化信息检测领域具有较好的应用前景。
-
Patent Agency Ranking
-
公开(公告)号：CN100410684C
公开(公告)日：2008-08-13
申请号：CN200610024111.1
申请日：2006-02-23
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于统计参数估计的遥感图像融合方法。该方法引入高分辨率多光谱图像和低分辨率多光谱图像之间的观测模型，以及高分辨率多光谱图像和全色图像之间的观测模型，并将上述两个观测模型联立成一个贝叶斯线性模型。通过应用贝叶斯高斯—马尔科夫定理，得到线性最小均方误差意义上的高分辨率多光谱图像的估计。本发明不仅能够增强空间细节，而且很好地保持了光谱特性，其性能优于传统的HIS方法、PCA方法和小波变换方法以及现存的基于统计参数估计的Nishii方法和Hardie方法。新方法可为改善遥感图像的目视判读精度，提高信息清晰度和可靠性上提供新的有效的技术支持。
-
公开(公告)号：CN101221243A
公开(公告)日：2008-07-16
申请号：CN200710047702.5
申请日：2007-11-01
Applicant: 复旦大学
CPC classification number: G06K9/0063
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于非负矩阵因式分解的遥感图像混合像元分解方法。本发明将单形体方法作为非负矩阵分解算法的前端算法，即由单形体方法获得初步端元信号估计结果，然后由其组合成的矩阵作为端元信号矩阵的初始值，代入经修改后的非负矩阵因式分解迭代式进行更新运算，获得最终的分解结果。本发明克服了两种算法各自的缺点，有效的解决了高混合遥感数据的混合像元分解问题。本方法在基于多光谱和高光谱遥感图像的高精度地物分类以及地面目标的检测和识别方面具有重要应用价值。
-
公开(公告)号：CN1588447A
公开(公告)日：2005-03-02
申请号：CN200410053855.7
申请日：2004-08-19
Applicant: 复旦大学
Abstract: 本发明为一种基于残差的遥感图像融合方法。该方法首先使用残差抽取算法获取多光谱图像的残差图像和全色图像的残差图像；然后将多光谱图像的残差图像插值到和全色图像的残差图像同样的尺寸，通过主成分分析对插值后的多光谱残差图像和全色图像的残差图像进行融合，恢复出多光谱图像的高分辨率残差；最后将多光谱图像的插值图像和多光谱图像的残差图像相加得到多光谱图像的高分辨率图像估计。本发明在较大地增强融合图像的空间细节表现能力的同时，很好地保留了原多光谱图像的光谱信息，其物理意义明确、实现结构简单、融合效果好，可为改善遥感图像的目视判读精度，提高信息清晰度和可靠性方面提供有效的技术支持。
-
公开(公告)号：CN209629913U
公开(公告)日：2019-11-15
申请号：CN201920083382.7
申请日：2019-01-18
Applicant: 复旦大学附属华山医院 , 苏州欣荣博尔特医疗器械有限公司
IPC: A61F2/46
Abstract: 本申请公开了一种用于持取3D打印成型的膝关节骨缺损植入物的持取器，包括外套管以及滑动设置于所述外套管中心的连接杆，所述连接杆的两端分别传动连接有调节杆和一对可以开闭的夹爪，所述外套管包括一体成型的第一台阶轴和第二台阶轴，所述外套管中心凹设有台阶通孔，所述台阶通孔包括相互连通的第一台阶孔和第二台阶孔，所述第二台阶孔为螺纹孔，所述调节杆通过螺纹连接设置于所述第二台阶孔内，所述调节杆通过接头连接于所述连接杆，所述接头可自由转动连接于所述调节杆，一对所述夹爪通过两连杆交叉铰接于所述连接杆背离所述调节杆的一端。该申请适用于各种形状、大小的3D打印人工骨块，持取方便的，可操作性强。(ESM)同样的发明创造已同日申请发明专利
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.025 seconds)
