-
公开(公告)号：CN115880152A
公开(公告)日：2023-03-31
申请号：CN202211603912.9
申请日：2022-12-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于多传感器光谱重构网络的高光谱遥感图像生成方法，本发明涉及高光谱遥感图像生成方法。本发明的目的是为了解决现有成像技术中获取包含丰富光谱波段的高光谱图像是一项获取成本相对较高的工作的问题。过程为：一、利用多光谱传感器光谱响应函数和高光谱图像构建对应的理想多光谱图像；选定一个传感器作为主传感器，将主传感器的理想多光谱数据和一个其他传感器的真实多光谱数据作为训练数据集，通过训练数据集对传感器理想映射网络的网络参数进行优化得到训练完成的传感器理想映射网络；二、利构建并训练理想多传感器光谱重构网络；三、获得理想多光谱图像对应的高光谱图像；四、得到修正后的高光谱图像。本发明属于卫星遥感技术领域。
-
公开(公告)号：CN114529769B
公开(公告)日：2022-11-01
申请号：CN202210157795.1
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06K9/62
Abstract: 一种面向大场景遥感图像分类的可分离多模联合表示方法，本发明涉及多模遥感图像联合表示方法。本发明的目的是为了提高现有大场景遥感图像的分类精度。过程为：一、输入覆盖地理区域相同的多模遥感图像，以及相应的地物标签图，构造多模遥感图像的可分离多模联合表示模型；二、采用乘数交替方向法求解多模遥感图像的可分离多模联合表示模型，得到可分离的多模字典；三、输入大场景多光谱遥感图像，利用可分离的多光谱字典对输入的大场景多光谱遥感图像进行稀疏表示，学习得到可分离的一致稀疏表示系数矩阵；四、利用类别特异性高光谱字典和类别特异性一致稀疏表示系数矩阵，重构得到大场景的高光谱图像。本发明用于遥感图像分类领域。
-
公开(公告)号：CN111709307B
公开(公告)日：2022-08-30
申请号：CN202010444356.X
申请日：2020-05-22
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764
Abstract: 一种基于分辨率增强的遥感图像小目标检测方法，它属于遥感图像中目标检测技术领域。本发明解决了由于遥感图像中小目标可利用的特征信息少以及小目标区域存在几何形变，导致的利用现有方法对遥感图像中小目标检测的效果不好的问题。本发明对包含小目标的遥感图像进行超分辨处理后再进行目标检测，扩大了深度学习目标检测模型的应用范畴，实现了对较高空间分辨率遥感图像的深化利用。针对遥感图像中小型目标可利用的特征信息很少以及几何形变的问题，采用超分辨处理技术进一步完善小目标的细节特征信息，应用基于区域的可变形卷积网络充分利用了小目标有限的特征信息，提高对遥感图像中小目标的检测能力。本发明可以应用于遥感图像中小目标检测。
-
公开(公告)号：CN112967350B
公开(公告)日：2022-03-18
申请号：CN202110250389.5
申请日：2021-03-08
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像根据获得高光谱遥感图像中每个像素的稀疏图编码字典；根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；根据和稀疏图相似度矩阵获得高光谱图像的反射率分量；所述系统包括：获取模块、构造模块、计算模块、分解模块。
-
公开(公告)号：CN112785693B
公开(公告)日：2022-03-18
申请号：CN202110155512.5
申请日：2021-02-04
Applicant: 哈尔滨工业大学
IPC: G06T17/00
Abstract: 本征高光谱点云生成方法、系统及装置，属于高光谱图像和激光雷达点云融合处理技术领域。为了解决现有的利用基于高光谱图像和激光雷达数据进行点云生成时存在的准确的低的问题。本发明首先通过高光谱图像和激光雷达点云获取本征映射矩阵然后分割提取高光谱图像H中属于建筑表面的像素集合利用集合Q中的像素确定入射光照方向的向量L；最后进行高光谱图像‑激光雷达点云联合本征分解，生成本征高光谱点云。主要用于高光谱点云的生成。
-
Patent Agency Ranking
公开(公告)号：CN112819868B
公开(公告)日：2022-03-04
申请号：CN202110168223.9
申请日：2021-02-05
Applicant: 哈尔滨工业大学
Abstract: 一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，本发明用于数字图像处理领域。本发明的目的是为了解决现有多/高光谱图像与LiDAR点云配准方法配准精度低的问题。过程为：步骤一：分别对多/高光谱图像和激光雷达数据进行预处理；步骤二：采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；步骤三、对步骤二获得的配准结果进行性能评估。本发明实现了利用多/高光谱图像不同波段影像之间相互关联的特性，建立了多波段多/高光谱图像与LiDAR点云的多波段联合配准框架，提升了多/高光谱图像与LiDAR点云的配准精度。
-
公开(公告)号：CN112785583B
公开(公告)日：2022-03-04
申请号：CN202110136395.8
申请日：2021-02-01
Applicant: 哈尔滨工业大学
Abstract: 基于超像素分割的高光谱遥感图像反射率恢复方法，属于遥感图像处理领域，涉及高光谱图像的反射率恢复方法。解决了现有基于对象的反射率恢复方法存在对高光谱图像的反射率恢复精度差的问题，本发明利用输入的高光谱遥感图像做精细超像素分割，获得精细分割的分割矩阵；对输入的高光谱遥感图像做粗略超像素分割，获得粗略分割结果集合；利用精细分割的分割矩阵和粗略分割结果集合，计算约束矩阵；利用精细分割的分割矩阵和约束矩阵迭代求解输入的高光谱遥感图像的反射率。本发明适用于图像反射率恢复。
-
公开(公告)号：CN114092534A
公开(公告)日：2022-02-25
申请号：CN202111399141.1
申请日：2021-11-19
Applicant: 哈尔滨工业大学
Abstract: 高光谱图像与激光雷达数据配准方法及配准系统，本发明涉及机载高光谱‑激光雷达的联合配准方法及配准系统。本发明的目的是为了解决现有高光谱图像与LiDAR点云配准方法中缺少适用于高光谱图像、激光雷达系统的一体化配准模型的问题。配准方法过程为：1：建立高光谱成像数学模型；2：基于POS数据对高光谱图像进行几何粗校正；3：建立高光谱图像正射校正模型，得到正射投影高光谱图像；4：选取一对同名线特征及一对同名点特征，通过系统检校方法计算配准误差参数，重新执行3生成配准的高光谱图像。配准系统用于执行高光谱图像与激光雷达数据配准方法。本发明用于数据处理技术领域。
-
公开(公告)号：CN113343871A
公开(公告)日：2021-09-03
申请号：CN202110673423.X
申请日：2021-06-17
Applicant: 哈尔滨工业大学 , 航天恒星科技有限公司
Abstract: 基于泊松融合+直方图匹配的高分四号多光谱遥感影像中舰船目标的仿真方法及系统，本发明涉及遥感影像的舰船目标仿真方法及系统。本发明的目的是为了解决现有方法不能准确对高分四号遥感卫星影像中舰船目标类型进行识别的问题。过程为：一、从高分二号多光谱的遥感影像中裁剪出感兴趣的五波段目标影像并确定裁剪出目标影像的目标类型；二、对裁剪出的五个波段目标影像分别进行下采样，得到高分二号下采样后的五个波段图像；三、从待添加仿真目标的高分四号多光谱遥感影像中选择并裁剪出一幅参考目标的五波段图像；四、得到处理后的高分二号多光谱的目标图；五、得到添加仿真目标的高分四号多光谱影像。本发明用于遥感影像的目标仿真领域。
-
公开(公告)号：CN112967350A
公开(公告)日：2021-06-15
申请号：CN202110250389.5
申请日：2021-03-08
Applicant: 哈尔滨工业大学
Abstract: 基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像根据获得高光谱遥感图像中每个像素的稀疏图编码字典；根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；根据和稀疏图相似度矩阵获得高光谱图像的反射率分量；所述系统包括：获取模块、构造模块、计算模块、分解模块。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.035 seconds)
