-
公开(公告)号：CN101221662A
公开(公告)日：2008-07-16
申请号：CN200810033321.6
申请日：2008-01-31
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于自组织映射神经网络的遥感图像混合像元分解方法。该方法将自组织映射神经网络和模糊理论中的模糊隶属度相结合，来计算分解后的丰度值。同时，由于自组织映射神经网络的无目标函数的竞争学习特性，本方法摆脱了局部极值问题。此外，本发明自动满足混合像元分解问题所要求的两个约束：丰度值非负约束和丰度值和为1约束，有较好的混合像元分解结果，同时具有较强的抗噪声能力。新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：CN100373395C
公开(公告)日：2008-03-05
申请号：CN200510111541.2
申请日：2005-12-15
Applicant: 复旦大学
IPC: G06K9/00
Abstract: 本发明属于模式识别技术领域，具体涉及一种基于人脸统计知识的人脸识别方法，该方法利用一张正面标准人脸图像作注册，能够得到该人脸在不同姿态下的虚拟图像，再应用一个将姿态识别和身份识别分开的两阶段识别策略，解决了注册和识别时人脸姿态变化的问题。本方法包含了一个代表人脸结构统计信息的三维可变形人脸模型、一个从正面人脸图像中重建出三维人脸的重建算法和一个姿态-身份两阶段识别策略。本发明在仅有一张正面标准人脸图像作注册的情况下仍能获得对侧面测试图像较高的识别率。
-
公开(公告)号：CN101030299A
公开(公告)日：2007-09-05
申请号：CN200710038629.5
申请日：2007-03-29
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于数据空间正交基的遥感图像混合像元分解方法。在由数据集形成的具有最大体积的单形体中，该方法通过递推寻找该单形体的一个新顶点来确定一个新的端元。同时，在每一个端元的提取过程中，将基于行列式的单形体体积计算等价于一组正交基模乘积的计算，从而可显著提高方法的计算效率并确保本方法总能获得相同的端元提取结果。此外，本发明不仅能快速有效的完成端元提取工作，还可以同时完成端元个数确定与丰度解混两项工作，其性能优于传统的基于单形体的遥感图像混合像元分解方法。新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：CN101002675A
公开(公告)日：2007-07-25
申请号：CN200610147668.4
申请日：2006-12-21
Applicant: 复旦大学
IPC: A61B5/0476 , A61B17/00 , G06F17/00 , G06Q50/00
Abstract: 本发明属临床医学和神经系统技术领域，具体为一种可以自动地对癫痫症发作时间进行预测的方法。该方法通过分析癫痫患者的颅内脑电信号的二阶C0复杂度，找出癫痫发作前期二阶C0复杂度的变化特征，再利用统计估计算法识别出这种变化，从而预测癫痫发作时间。本发明具有较高的预测准确率，对于癫痫患者或医生及时地采取有效预防措施具有重要的意义。
-
公开(公告)号：CN110334571A
公开(公告)日：2019-10-15
申请号：CN201910264654.8
申请日：2019-04-03
Applicant: 复旦大学
Abstract: 本发明属于图像处理技术领域，具体为一种基于卷积神经网络的毫米波图像人体隐私保护方法。本发明首先将人体划分为十个区域，并且针对十个区域设计人体结构数据集，训练深度学习模型，来检测受检人的人体区域；然后利用人体区域坐标来给人体隐私部位添加遮挡；最后利用人体结构信息，结合最近邻算法、坐标投影算法，将违禁物体预测框投影到卡通图片的对应位置。外部用户只能观察到卡通图片及其对应的违禁物体预测框，从而保护了受检人员的隐私安全。
-
Patent Agency Ranking
公开(公告)号：CN102903116B
公开(公告)日：2016-02-24
申请号：CN201210400139.6
申请日：2012-10-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一类基于图像块距离的高光谱图像流形降维方法。本发明提出一种新的距离度量—图像块距离度量，并将其应用于流形学习的邻域选择和低维坐标嵌入中，得到一类新的高光谱遥感图像非线性降维方法。本发明利用高光谱图像物理特性，结合图像的光谱信息和空间信息，可以更好地保持了数据点之间的局部特性，在最大限度减小图像信息冗余的基础之上，很好的保持了原始数据集的特性。本发明对各种不同的高光谱数据都表现出良好的适用性。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重要的应用价值。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.022 seconds)
