-
公开(公告)号：CN102435318A
公开(公告)日：2012-05-02
申请号：CN201110276001.5
申请日：2011-09-16
Applicant: 哈尔滨工业大学
IPC: G01J4/00
Abstract: 考虑天空光对地表反射影响的偏振遥感数据仿真方法，属于偏振仿真领域。本发明为了解决现有偏振高光谱数据仿真技术中存在的没有考虑到天空光所引起的偏振光对偏振成像的影响这一问题。本发明仿真方法包括以下步骤：步骤一、利用传感器采集经目标反射的入射光源；步骤二、获取入射光源中的太阳光辐射直接被目标反射所形成的偏振辐射亮度；步骤三、获取入射光源中天空光辐射被目标反射所形成的偏振辐射亮度；步骤四、根据步骤二所述的太阳光辐射直接被目标反射所形成的偏振辐射亮度和步骤三所述的天空光辐射被目标反射所形成的偏振辐射亮度获取总偏振辐射亮度；步骤五、根据步骤四所述的总偏振辐射亮度获取受天空光影响的偏振高光谱仿真数据。
-
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：CN101604383A
公开(公告)日：2009-12-16
申请号：CN200910072582.3
申请日：2009-07-24
Applicant: 哈尔滨工业大学
Abstract: 一种基于红外图像的海上目标检测方法，它涉及一种海上目标检测方法。本发明的目的是提供一种既能较好地抑制海杂波，获得合理的图像分割，又可以以较快速度提取出分形特征，去除虚假目标，实现有效检测的海上目标检测方法。本发明的步骤为：对获得的红外图像进行预处理、自适应迭代阈值分割、检验海天线处是否有感兴趣区域(ROI)、提取海天线背景处的ROI、提取非海天线背景处的ROI、感兴趣区域合并得到待进一步处理的感兴趣图像和提取每个ROI分形特征进行目标检测。本方法可以快速有效地分割出红外图像中的感兴趣区域，由于提取的感兴趣区域较原图小很多，既减少了计算量，以较快速度提取出分形特征，又可以通过分形特征去除阈值分割中出现的伪目标。
-
公开(公告)号：CN118261862A
公开(公告)日：2024-06-28
申请号：CN202410297963.6
申请日：2024-03-15
Applicant: 哈尔滨工业大学 , 上海航天测控通信研究所
IPC: G06T7/00 , G06V10/25 , G06V10/82 , G06V20/10 , G06F17/16 , G06N3/0464 , G06N3/0495
Abstract: 基于目标检测器与度量矩阵的遥感图像目标实例变化检测方法和设备，属于遥感图像变化检测技术领域，解决现有像素级变化检测算法无法获取目标实例的变化信息。本发明的方法包括：基于重参数化思想设计的孪生轻量级目标检测器以及基于度量矩阵的目标实例变化判别部分。其中，轻量级目标检测器用于检测双时相配准图像中的感兴趣目标，目标实例变化判别部分通过对比检测到的双时相中的感兴趣目标来确定目标的变化状态。利用本发明的轻量级目标检测器以及目标实例变化判别方法，本发明所提出的方法可以在具有非常快的推理速度的同时获得较好的目标实例变化检测结果。本发明适用于遥感图像目标实例变化检测领域，包括地面处理以及星上或无人机上实时处理。
-
公开(公告)号：CN111667019B
公开(公告)日：2023-03-24
申请号：CN202010581348.X
申请日：2020-06-23
Applicant: 哈尔滨工业大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 基于可变形分离卷积的高光谱图像分类方法，属于图像处理技术领域，本发明为解决现有高光谱图像分类方法精度低的问题。它包括：将高光谱图像每个像素点的r×r×d邻域的图像数据作为神经网络的输入，r表示空间大小，d表示高光谱图像的波段数；对输入的高光谱图像经过深度分离卷积提取图像低层次的特征，获得特征图；采用加入可变形运算的分离卷积学习特征图对应的偏置，获得自适应图像的空间分布，再采用光谱卷积运算提取深度的特征；将深度特征输入神经网络的全连接层和softmax回归层预测每个类的概率分布，完成图像分类。本发明用于对高光谱遥感图像进行分类。
-
Patent Agency Ranking
公开(公告)号：CN106650681B
公开(公告)日：2019-06-11
申请号：CN201611247606.0
申请日：2016-12-29
Applicant: 哈尔滨工业大学
IPC: G06K9/00
Abstract: 基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，属于高光谱遥感图像目标识别领域，本发明为解决现有对高光谱图像进行目标识别处理时存在信息浪费，进而导致目标识别精度较低的问题。本发明目标识别方法的具体过程为：步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。本发明用于对空谱联合高光谱图像的目标识别。
-
公开(公告)号：CN106097321B
公开(公告)日：2018-12-11
申请号：CN201610393847.X
申请日：2016-06-06
Applicant: 哈尔滨工业大学
IPC: G06T7/33
Abstract: 一种基于张量表示的偏振高光谱图像目标检测方法，本发明涉及偏振高光谱图像目标检测方法。本发明的目的是为了解决现有偏振高光谱图像目标检测准确率低以及信息利用率低的问题。本发明组成包括：步骤一、建立张量表示下的偏振高光谱图像的数据模型：将偏振高光谱图像表示成四阶张量，则得到偏振高光谱图像的数据模型；步骤二、在张量表示下的偏振高光谱图像的数据模型的基础上，得到基于Tucker分解的四阶张量匹配检测算法的模型，根据基于Tucker分解的四阶张量匹配检测算法的模型判断检测结果。本发明用于偏振高光谱图像目标检测。
-
公开(公告)号：CN108446723A
公开(公告)日：2018-08-24
申请号：CN201810191507.8
申请日：2018-03-08
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 一种高光谱图像的多尺度空谱协同分类方法，涉及高光谱图像信息技术处理领域。解决了现有技术中单一的使用光谱信息或空间信息对高光谱图像进行分类方法，均易造成目标信息的丢失，导致分类准确度低的问题。步骤一：对原始高光谱图像H进行特征提取，获得由波段子集构成的光谱信息集Hspec；步骤二：对光谱信息集Hspec进行多尺度空间信息的提取，获得多组多尺度空间信息数据集Hspet；步骤三：将多组多尺度空间信息数据集Hspet与光谱信息集Hspec进行融合及初步分类，获得初步分类结果图Qinit；步骤四：将初步分类结果图Qinit分解为k张概率结果图P；步骤五：对k张概率结果图P进行后处理，获得最终的分类结果图Ofin，从而完成对高光谱图像的空谱协同分类。本发明主要用于对高光谱图像进行空谱分类。
-
公开(公告)号：CN103824263B
公开(公告)日：2016-09-14
申请号：CN201410074775.3
申请日：2014-03-03
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于混合变换的遥感图像稀疏估计方法，它涉及一种遥感图像稀疏估计方法，属于遥感图像处理技术领域。本发明针对现有稀疏方法主要保留图像大多数能量，造成图像细节信息丢失，对细节丰富的遥感图像很难得到较好的稀疏效果的问题，提供了一种基于混合变换的遥感图像稀疏估计方法。该方法结合了张量积小波变换表达光滑图像的优点，以及Tetrolet变换能够有效表达纹理和边缘等细节信息的特点，对图像自身特征无限制，具有一定的普适性。实验结果表明，相对于采用单一的方法对遥感图像进行稀疏，提出的基于混合变换的方法能更有效的对遥感图像进行稀疏表达。本发明方法专门适用对遥感图像的稀疏处理。
-
公开(公告)号：CN102163338A
公开(公告)日：2011-08-24
申请号：CN201110088314.8
申请日：2011-04-08
Applicant: 哈尔滨工业大学
IPC: G06T11/00
Abstract: 一种压缩感知系统中的高效重建方法。它涉及一种数据处理方法，它解决了现有重建方法中不能够精度速度同时提高的问题。首先整理测量值Y0为易于重建算法实现的形式，若一维重建，则不整理，若二维重建，则进行矢量化，得到Y；然后，令k＝1，uk＝0，vk＝0，得到uk+1＝δ·shrink(vk+1，μ)；vk+1＝vk+ΘT(Y-Θuk)；迭代步骤中出现的无贡献迭代，计算求取无贡献迭代的次数s，则假设，vk变化s次恰好使得uk+1有所改变，那么在这些迭代步骤中有如下迭代公式：uk+s＝uk+1，进行判定即||uk+1-uk||≤ε，再判断是否成立，来确定迭代是否收敛，迭代直至收敛；最后，若一维信号，则直接利用信号稀疏表达重建原始信号，若二维信号，则对稀疏系数u进行逆矢量化，并利用图像的稀疏表达重建原始图像。本发明应用于压缩感知系统中一维或二维信号重建。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.029 seconds)
