-
公开(公告)号：CN110888130A
公开(公告)日：2020-03-17
申请号：CN201911041586.5
申请日：2019-10-30
Applicant: 华东师范大学
IPC: G01S13/90
Abstract: 本发明公开了一种基于升降轨时序InSAR技术的煤矿区地表形变监测方法，其特点是该方法包括：获取C和X波段的若干景SAR影像、生成短基线集、差分干涉图、获取高相干点并构建方程以及获取地表形变信息等步骤。本发明与现有技术相比具有突破了单一SAR卫星平台InSAR技术只能获得雷达视线方向形变信的局限，有效地减弱了时空失相干、相位解缠误差和大气延迟误差等影响，提高了InSAR技术监测地表形变信息的精度和可靠性，推进了InSAR技术在形变监测领域的广泛应用。
-
公开(公告)号：CN110702228A
公开(公告)日：2020-01-17
申请号：CN201910912897.8
申请日：2019-09-25
Applicant: 华东师范大学
Abstract: 本发明公开了一种航空高光谱影像的边缘辐射校正方法，属于高光谱影像校正领域，适用于对航空高光谱数据进行边缘辐射畸变的校正，消除由地表二向反射效应以及辐射衰减效应引起的不同条带间的辐射亮度梯度现象，实现多条带，不同成像时间下的高光谱影像边缘校正与影像拼接。其步骤为：a、传感器的实验室测试与辐射定标；b、传感器姿态参数读取与曝光时间校正；c、辐射衰减系数求取；d、BRDF修正系数求取；e、影像的边缘辐射校正。本发明基于构建由传感器视角、传感器姿态、太阳天顶角变化引起的地表二向反射效应以及辐射衰减效应的修正函数，对影像数据进行边缘辐射校正，具有运算量小，精度高等优点，实现航空高光谱影像的边缘辐射畸变的消除。
-
公开(公告)号：CN119251712A
公开(公告)日：2025-01-03
申请号：CN202411343799.4
申请日：2024-09-25
Applicant: 华东师范大学
Abstract: 本发明涉及一种基于无人机平台的目标实时检测系统及方法，其中，目标实时检测系统包括：无人机以及安装在所述无人机上的图像采集装置和超算板卡，其中：所述图像采集装置，用于采集目标图像并发送给所述超算板卡；所述超算板卡，包括：解码模块，用于对所述目标图像进行实时解码，获取解码数据；目标识别模块，用于利用所述解码数据进行实时目标识别。与现有技术相比，本发明具有具备全天时、方位的目标检测能力、有助于快速响应、高精度目标识别、自动化程度高等优点。
-
公开(公告)号：CN119068330A
公开(公告)日：2024-12-03
申请号：CN202411101248.7
申请日：2024-08-12
Applicant: 华东师范大学
Abstract: 本发明涉及一种基于深度可分离卷积的多光谱及高光谱影像融合方法，包括如下步骤：获取待融合的高光谱以及多光谱遥感影像并分别进行特征映射，通过拼接得到输入特征图；将输入特征图分别作为用于提取全局上下文特征的Swin Transformer网络分支和用于提取局部特征的可分离卷积层分支的输入，得到两个分支输出的原始特征图以及对应的下采样特征图；将两个分支对应的下采样特征图拼接并进行转置卷积处理，得到上采样特征图，结合上采样特征图和原始特征图，利用空谱注意力机制实现自适应特征融合，得到融合后的特征图，进而得到融合影像。本发明充分考虑了高光谱和高分辨率影像的特性，能在保留光谱信息的同时提高空间分辨率。
-
公开(公告)号：CN116385351A
公开(公告)日：2023-07-04
申请号：CN202310094031.7
申请日：2023-02-06
Applicant: 华东师范大学
IPC: G06T7/00 , G06T7/194 , G06N3/088 , G06N3/0455 , G06N3/0475
Abstract: 本发明涉及一种变分背景推理生成对抗网络的高光谱异常检测方法，包括以下步骤：将高光谱影像输入训练好的高光谱异常检测模型，进行影像重构并计算重构误差，得到高光谱异常检测结果，高光谱异常检测模型的训练过程为：1)构建训练样本；2)建立变分背景推理生成对抗网络；3)获得采样数据潜变量；4)将潜变量z与正态分布样本输入至潜变量判别器，进行对抗性训练；5)将潜变量和正态分布样本输入至生成器，分别生成两个生成样本；6)将训练样本和两个生成样本共同输入至样本判别器；7)重复3)～6)，直至变分背景推理生成对抗网络的损失函数收敛，完成模型的训练。与现有技术相比，本发明具有检测精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN110702228B
公开(公告)日：2021-06-25
申请号：CN201910912897.8
申请日：2019-09-25
Applicant: 华东师范大学
Abstract: 本发明公开了一种航空高光谱影像的边缘辐射校正方法，属于高光谱影像校正领域，适用于对航空高光谱数据进行边缘辐射畸变的校正，消除由地表二向反射效应以及辐射衰减效应引起的不同条带间的辐射亮度梯度现象，实现多条带，不同成像时间下的高光谱影像边缘校正与影像拼接。其步骤为：a、传感器的实验室测试与辐射定标；b、传感器姿态参数读取与曝光时间校正；c、辐射衰减系数求取；d、BRDF修正系数求取；e、影像的边缘辐射校正。本发明基于构建由传感器视角、传感器姿态、太阳天顶角变化引起的地表二向反射效应以及辐射衰减效应的修正函数，对影像数据进行边缘辐射校正，具有运算量小，精度高等优点，实现航空高光谱影像的边缘辐射畸变的消除。
-
公开(公告)号：CN110992390A
公开(公告)日：2020-04-10
申请号：CN201911127059.6
申请日：2019-11-18
Applicant: 华东师范大学
Abstract: 本发明公开了一种高光谱影像的混合像元分解方法，其特点是采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元。本发明与现有技术相比具有大幅缩减参与端元提取的像素个数，有效的解决了庞大数据量使得许多混合像元分解算法失效问题，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的分解算法。
-
公开(公告)号：CN110717531A
公开(公告)日：2020-01-21
申请号：CN201910925732.4
申请日：2019-09-27
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于不确定性分析和贝叶斯融合的分类后变化类型检测方法，其步骤为：对两时相遥感影像进行图像预处理；获取影像多源特征，采用随机森林方法进行特征选择，并得到差值影像；利用分形网络演化方法，对影像进行多尺度分割及合并优化，得到分割对象；利用ExT集成算法对两时相影像分别分类，得到两时相影像的独立分类概率结果；通过基于最大期望估计（EM）的CVA方法获取训练样本，利用SVM算法，对差值影像进行处理，得到变化范围概率结果；通过两时相影像独立分类概率结果与变化范围概率结果根据不确定性分析和贝叶斯融合得到像素级变化类型检测结果；将分割对象与像素级变化类型检测结果通过类别判定融合得到分类后变化类型检测结果图。
-
公开(公告)号：CN119810471A
公开(公告)日：2025-04-11
申请号：CN202411880215.7
申请日：2024-12-19
Applicant: 华东师范大学
Abstract: 本发明涉及一种基于多智能体深度强化学习的高光谱影像特征提取方法和应用，方法包括如下步骤：获取高光谱数据，构建训练样本；构建基于生成‑选择启发式策略的多智能体深度强化学习特征提取模型，基于所述训练样本，对所述多智能体深度强化学习特征提取模型进行训练；利用训练后的多智能体深度强化学习特征提取模型对输入的高光谱影像进行特征提取，得到对应的高光谱特征子集。与现有技术相比，本发明采用以累积奖励最大化为目标的特征提取机制，可结合特定场景需求自动设计具有物理意义的特征集，减少对专家经验的知识依赖。
-
公开(公告)号：CN119251149A
公开(公告)日：2025-01-03
申请号：CN202411203689.8
申请日：2024-08-30
Applicant: 华东师范大学
IPC: G06T7/00 , G06T7/13 , G06V10/774 , G06V10/82 , G06N3/0895 , G06V10/80 , G06V10/54 , G06V10/44 , G06V20/70
Abstract: 本发明涉及一种基于边缘提升的半监督多光谱变化检测方法，包括：将待检测的变化检测影像图输入半监督网络中，获取变化检测结果，半监督网络包括：编码器，用于对图像进行特征提取，得到语义特征C；连通性边缘提取模块，用于根据编码器提取的特征进一步提取连通性边缘，得到纹理特征M；多尺度特征融合模块，用于将语义特征C和纹理特征M相加，得到特征图FFuse，并进行融合，得到多级特征融合RA，实现语义特征C和纹理特征M的融合，得到融合结果F；解码器，用于对融合结果F进行解码，从而进行变化检测。与现有技术相比，本发明不仅能够充分利用未标记样本的潜在信息来提高变化检测的性能，还能够有效提升变化检测边缘精度。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.021 seconds)
