-
公开(公告)号：CN110458876B
公开(公告)日：2023-01-31
申请号：CN201910729648.5
申请日：2019-08-08
Applicant: 哈尔滨工业大学
Abstract: 本发明是基于SAR‑SIFT特征的多时相POLSAR图像配准方法。本发明在对多时相POLSAR图像配准的过程中，通过将极化散射分量相结合的方式构建多维极化散射矢量来计算像素点的梯度，解决了现有技术在对POLSAR图像配准时未能充分利用图像中的极化信息的问题，有效提高了配准过程中特征点提取的精度，使配准算法具有较高的性能，实现高效配准任务。在对多时相POLSAR图像配准时构建尺度空间的过程中，采用全变分模型代替高斯卷积，使构建的尺度空间保留更多的细节信息，并且能有效滤除图像中的相干斑噪声，从而提取出稳定的特征点，剔除误匹配点对，提高多时相POLSAR图像配准算法的精确度和鲁棒性。
-
公开(公告)号：CN110569624B
公开(公告)日：2022-06-10
申请号：CN201910894547.3
申请日：2019-09-20
Applicant: 哈尔滨工业大学
Abstract: 适用于PolInSAR反演的森林三层散射模型的确定及分析方法，属于遥感图像处理技术领域。本发明的目的是为解决现有的植被相干散射模型的散射过程相较于真实散射过程依旧存在误差，影响反演精度的问题。本发明包括如下步骤：步骤一：分析地表层的散射特性并确定其垂直结构函数形式；步骤二：分析树干层的散射特性并确定其垂直结构函数形式；步骤三：分析植被冠层的散射特性并确定其垂直结构函数形式；步骤四：结合植被垂直结构上地表层、树干层和植被冠层的垂直结构函数，推导植被一般三层散射模型，确定干涉相干系数的表达式，并分析高度参数对相干性的影响。本发明可应用于遥感图像处理领域，实现高精度的极化干涉SAR图像植被参数反演。
-
公开(公告)号：CN109188391A
公开(公告)日：2019-01-11
申请号：CN201810993650.9
申请日：2018-08-29
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种倾斜森林地区三层S-RVoG散射模型的确定及分析方法，包括如下步骤：步骤一：给出RVoG模型散射示意图，重点推导并分析RVoG模型相干系数表达式；步骤二：在RVoG模型基础上，增加树干层散射分量，详细推导三层散射模型相干性表达式；步骤三：考虑局部地形坡度的影响，修改垂直结构函数，推导S-RVoG模型，并对模型进行分析；步骤四：在S-RVoG模型基础上，考虑树干层散射分量，推导三层S-RVoG模型，并分析各物理参数对相干性的影响。本发明解决了RVoG模型对自然山地区域散射过程描述模糊的问题，完善了植被相干散射模型，提高了极化干涉SAR植被高度反演的精度。
-
公开(公告)号：CN106446935A
公开(公告)日：2017-02-22
申请号：CN201610802709.2
申请日：2016-09-05
Applicant: 哈尔滨工业大学
IPC: G06K9/62
CPC classification number: G06K9/6267
Abstract: 基于核稀疏表示和空间约束的极化SAR图像分类方法，属于极化SAR图像分类技术领域。本发明用于解决基于像素的极化SAR遥感图像分类方法具有高维性和计算量过大，造成极化SAR图像分类效率低的问题。分类步骤为：对原始极化SAR图像数据预处理，获得待分类极化SAR图像数据；确定图像类别和训练样本；基于多成分散射模型、特征值分解和灰度共生矩阵进行极化SAR图像特征提取；构建过完备字典；获得每个图像类别训练样本的最优稀疏系数；利用最优稀疏系数进行信号重建，根据每个图像类别训练样本的重建信号和待分类极化SAR图像的误差决定所属图像类别，实现对待分类极化SAR图像的分类。本发明用于极化SAR图像的分类。
-
公开(公告)号：CN102053248B
公开(公告)日：2012-12-19
申请号：CN201010541903.2
申请日：2010-11-12
Applicant: 哈尔滨工业大学
Abstract: 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法，它涉及遥感领域，它解决了现有单一检测方法不能够获得全面检测结果的缺陷。步骤为：对全极化合成孔径雷达图像进行预处理；分别采用多成分散射模型、极化相似性参数和极化白化滤波对极化合成孔径雷达图像进行处理并进行目标检测得到三个粗粒度空间；然后利用商空间理论对三个粗粒度空间进行合成，包括论域的合成和属性的合成；然后利用合成论域的属性对待定元素进行重新判定再划分，得到的结果与合成论域合并，得到检测结果的细粒度空间，即为综合优化的检测结果。本方法克服了现有极化特征和极化检测算法在具有复杂散射特性的建筑物目标检测中的单一性和局限性。
-
Patent Agency Ranking
公开(公告)号：CN102053248A
公开(公告)日：2011-05-11
申请号：CN201010541903.2
申请日：2010-11-12
Applicant: 哈尔滨工业大学
Abstract: 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法，它涉及遥感领域，它解决了现有单一检测方法不能够获得全面检测结果的缺陷。步骤为：对全极化合成孔径雷达图像进行预处理；分别采用多成分散射模型、极化相似性参数和极化白化滤波对极化合成孔径雷达图像进行处理并进行目标检测得到三个粗粒度空间；然后利用商空间理论对三个粗粒度空间进行合成，包括论域的合成和属性的合成；然后利用合成论域的属性对待定元素进行重新判定再划分，得到的结果与合成论域合并，得到检测结果的细粒度空间，即为综合优化的检测结果。本方法克服了现有极化特征和极化检测算法在具有复杂散射特性的建筑物目标检测中的单一性和局限性。
-
公开(公告)号：CN119478664A
公开(公告)日：2025-02-18
申请号：CN202411453128.3
申请日：2024-10-17
Applicant: 中国科学院软件研究所 , 哈尔滨工业大学
Abstract: 本发明公开一种基于图像去噪扩散模型的遥感图像可控编辑方法和系统。本发明包括遥感图像采集设备和数据处理器；数据处理器包括遥感图像生成模块、提示词集成模块、生成图像特征提取模块、编辑指令文本特征提取模块和图文相似度计算模块。该方法包括：获取目标区域的单幅遥感场景图像；采用基于去噪扩散模型的图像生成方法生成光学遥感图像；对一组文本编辑指令进行多样化扩充；进行图像特征编码和文本特征编码并进行相似度计算，通过优化损失函数实现对遥感图像生成过程中针对文本编辑指令的微调。本发明能够依据单幅遥感图像训练生成模型，避免了大量配对图像的使用，仅使用单幅图像就能实现稳定、可控的带文本引导的遥感图像编辑效果。
-
公开(公告)号：CN119206418A
公开(公告)日：2024-12-27
申请号：CN202411363145.8
申请日：2024-09-27
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于散射机理的多频极化SAR影像通用融合方法，所述方法采用异常值剔除和邻域均值替代的方法对多频SAR数据中的噪声进行处理，并使用Frobenius范数进行归一化，消除不同传感器之间的尺度差异。对处理后的矩阵进行矢量化，并基于Pauli矢量计算融合矩阵和标准散射矩阵之间的极化相似度。对多频数据的各个组合进行遍历，在遍历多频数据的每个组合时，通过SQP算法对多频数据的权重进行迭代优化，选择最优的权重配置，使得融合后的数据与标准散射模型的相似度最大化。该方法能够更全面地描述地物目标的能量和极化特性，进而得到更加准确和具有物理意义的多频数据融合结果。
-
公开(公告)号：CN116778225A
公开(公告)日：2023-09-19
申请号：CN202310523139.3
申请日：2023-05-10
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/42 , G06V20/13
Abstract: 基于解耦与重构学习的SAR真假目标鉴别与目标识别方法，属于遥感图像处理技术领域。本发明主要针对真假目标鉴别与目标识别困难的问题，构建了一种基于解耦与重构学习的SAR真假目标识别方法，实现虚假关联特征与目标类别关联特征解耦合，进而促进真假目标鉴别与目标识别应用。本发明首先通过仿真的方式得到虚假目标，结合真实目标数据构建真假目标数据集，进而构建卷积自编码器作为真假目标特征提取与重构学习的主干网络，并基于主干网络构建解耦与重构学习模型，经过模型训练，得到解耦合后的虚假关联特征与类别关联特征，保证解耦合特征的稀疏性与完整性，提高特征对噪声的鲁棒性，进而实现高精度的真假目标鉴别与目标识别。
-
公开(公告)号：CN115064878A
公开(公告)日：2022-09-16
申请号：CN202210663119.1
申请日：2022-06-13
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种共形超薄宽带低可探测电磁超表面，所述超表面为由自下而上依次设置的金属基底层、第一电介质层、频率选择层、第二电介质层、极化转换层构成的联合超表面，其电磁散射特性由极化转换模块、宽带频率选择模块以及极化转换模块、宽带频率选择模块内基本单元的结构和排列方式决定。本发明的共形超薄宽带低可探测电磁超表面具有宽带低可探测的特性，对原材料的独特性要求低，可用材料局限性较小，适用于各种极端的复杂场景；子模块结构图案简单，仅包括一种联合超表面结构，且排列方式不做严格设置，有效减少了加工成本，有助于实际的工程应用。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.027 seconds)
