-
公开(公告)号：CN112419206A
公开(公告)日：2021-02-26
申请号：CN202011361040.0
申请日：2020-11-27
Applicant: 中国矿业大学
IPC: G06T5/20
Abstract: 本发明公开了一种基于多尺度分解‑重构的SAR干涉图滤波方法，适用于图像处理领域。设置高斯‑拉普拉斯金字塔多尺度变换的金字塔最大层数L；利用高斯‑拉普拉斯金字塔多尺度变换理论分解SAR影像复数干涉图I0，得到复数干涉图I0的拉普拉斯金字塔La；对拉普拉斯金字塔La的顶层图像应用基于伪相干性的迭代自适应Goldstein低通滤波器；对拉普拉斯金字塔La除顶层以外的其它层图像应用基于伪相干性的Goldstein低通滤波器；对低通滤波后的拉普拉斯金字塔La′应用逆拉普拉斯变换，重构得到滤波后SAR影像干涉图I0′。在保留SAR影像干涉图边缘信息的同时更好的过滤SAR影像干涉图噪声，抑制SAR影像的干涉图噪声，对SAR影像干涉图效果好。
-
公开(公告)号：CN107346549B
公开(公告)日：2020-04-14
申请号：CN201710431309.X
申请日：2017-06-09
Applicant: 中国矿业大学
IPC: G06T7/33
Abstract: 本发明公开了一种利用遥感影像多特征的多类别变化动态阈值检测方法，首先分别提取两时期影像的光谱变化特征和光谱梯度差异特征，按波段进行叠加，并对其进行主成分分析，选择前两个主成分分量作为最终的变化特征，计算变化强度和变化方向。然后，在极坐标框架下计算变化强度阈值，将像素分为未变化和变化两部分，对变化像素的变化方向设置阈值，区分变化类别。在此基础上，对初始变化检测结果进行分析，对所有变化类别依次生成仅包含单一变化的像素集，再获取针对各变化类别的最优变化强度阈值，从而生成基于动态阈值的变化检测结果。最后，利用多相水平集算法对检测结果进行后处理，提高了多类别变化的检测精度。
-
公开(公告)号：CN110136128A
公开(公告)日：2019-08-16
申请号：CN201910421617.3
申请日：2019-05-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Rao检验的SAR影像变化检测方法，适用于图像处理领域。其步骤为：获取同一地区两个时刻的两幅不同时相SAR影像，作出Rao检验的零假设H0和备择假设H1；计算H0约束条件下参数θ的极大似然估计值计算H0约束条件下参数θ的Fisher信息矩阵把H0约束条件下参数θ极大似然估计值代入H1约束条件下SAR影像I1和SAR影像I2同一位置包含N0个像元的邻域联合概率密度函数 计算 关于参数θ的偏导数；生成SAR影像I1和SAR影像I2基于Rao检验的差异影像DRao；通过差异影像阈值分割生成变化检测结果图。该方法基于Rao检验理论，具有完备的数学基础，提高了从两幅SAR影像中检测地表覆盖信息变化区域的精度；对SAR影像变化检测效果好。
-
公开(公告)号：CN110136127A
公开(公告)日：2019-08-16
申请号：CN201910416589.6
申请日：2019-05-20
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于Wald检验的SAR影像变化检测方法，适用于图像处理领域。其步骤为：(1)作出用于SAR影像变化检测的Wald检验零假设H0和备择假设H1；(2)计算备择假设H1约束条件下参数θ的极大似然估计值(3)计算备择假设H1约束条件下参数θ的Fisher信息矩阵 (4)生成SAR影像I1和SAR影像I2基于Wald检验的差异影像DWald；(5)通过模糊c均值聚类得到变化检测结果图。该方法基于Wald检验理论，只需要估计备择假设H1约束条件下的参数θ，比估计零假设H0条件下的参数θ简单，计算效率高，具有完备的数学基础，提高了从两幅SAR影像中检测地表覆盖信息变化区域的精度，对SAR影像变化检测效果好。
-
公开(公告)号：CN106023229B
公开(公告)日：2018-12-11
申请号：CN201610388621.0
申请日：2016-06-02
Applicant: 中国矿业大学
Abstract: 一种结合半高斯模型与高斯模型的SAR影像变化检测方法，适用于图像处理领域。其步骤为：1利用两时相SAR影像生成差值影像；2使用半高斯模型估计差值影像中未变化类似然概率密度分布；3使用高斯模型估计差值影像中变化类似然概率密度分布；4根据估计的未变化类和变化类似然概率密度分布，计算满足Kittler–Illingworth最小错误率准则的阈值；5对差值影像进行阈值分割，生成变化检测结果图。有效估计差值影像中未变化类和变化类的似然概率密度分布，分割阈值计算合理，有效提高变化检测的精度，对SAR影像的变化检测效果好。
-
Patent Agency Ranking
公开(公告)号：CN106066478B
公开(公告)日：2018-10-30
申请号：CN201610362009.6
申请日：2016-05-27
Applicant: 中国矿业大学
IPC: G01S13/90
Abstract: 一种融合像元偏移跟踪和短基线集的矿区地表形变解算方法。适用于地表矿区地表形变研究使用。其步骤为：对矿区地表形变区域进行预估；选取时间序列上相干图中的高相干点；利用时序偏移量跟踪算法恢复大形变区域高相干点的相位整周数N；大形变区域和小形变区域的高相干点联合建立短基线集解算模型；矿区地表高程误差及形变速率的解算。其监测精度高、范围大，实现操作过程简单，费用低，克服了传统时序InSAR方法无法正确获取矿区大形变梯度下的地表沉降问题，也解决了基于SAR幅度信息的时序像元偏移跟踪算法和基于差分相位的短基线集技术难以联合解算地表形变速率和高程误差的问题，具有广泛的实用性。
-
公开(公告)号：CN118314395A
公开(公告)日：2024-07-09
申请号：CN202410438799.6
申请日：2024-04-12
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/80 , G06V10/774 , G06T7/136 , G06V20/10
Abstract: 本发明公开了一种融合多模态影像对的差异孪生网络变化检测方法，属于图像处理领域。获取某地区两个时刻的两对与不同传感器相对应的多模态影像；针对每一对多模态影像，采用差值法获取差异影像，并通过阈值分割获取变化图，制作训练样本；通过融入变化检测领域的差异影像构造知识，设计搭建利用多模态影像对的差异孪生变化检测网络FM_DiffSiam；利用样本数据对FM_DiffSiam网络进行训练；利用训练后的FM_DiffSiam网络进行推理应用，获取变化检测图。本发明使用的FM_DiffSiam网络在设计过程中融入了变化检测差异影像构造的领域知识，并充分考虑了多模态影像对应用于变化检测的互补优势，提高了从多模态影像对中提取地表覆盖变化信息的精度；多模态影像对变化检测效果好。
-
公开(公告)号：CN112419206B
公开(公告)日：2024-05-24
申请号：CN202011361040.0
申请日：2020-11-27
Applicant: 中国矿业大学
IPC: G06T5/20
Abstract: 本发明公开了一种基于多尺度分解‑重构的SAR干涉图滤波方法，适用于图像处理领域。设置高斯‑拉普拉斯金字塔多尺度变换的金字塔最大层数L；利用高斯‑拉普拉斯金字塔多尺度变换理论分解SAR影像复数干涉图I0，得到复数干涉图I0的拉普拉斯金字塔La；对拉普拉斯金字塔La的顶层图像应用基于伪相干性的迭代自适应Goldstein低通滤波器；对拉普拉斯金字塔La除顶层以外的其它层图像应用基于伪相干性的Goldstein低通滤波器；对低通滤波后的拉普拉斯金字塔La′应用逆拉普拉斯变换，重构得到滤波后SAR影像干涉图I0′。在保留SAR影像干涉图边缘信息的同时更好的过滤SAR影像干涉图噪声，抑制SAR影像的干涉图噪声，对SAR影像干涉图效果好。
-
公开(公告)号：CN112419205B
公开(公告)日：2024-04-19
申请号：CN202011357471.X
申请日：2020-11-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种用于SAR干涉图处理的Goldstein金字塔构建方法，适用于图像处理领域。把SAR影像复数干涉图I0设为Goldstein金字塔的第0层图像G0；设置对复数干涉图G0进行Goldstein金字塔变换的最大层数L；设置频率域Goldstein低通滤波器的核大小N；利用大小为N的频率域Goldstein滤波器对金字塔第i层复数干涉图Gi做滑移滤波处理；对滤波后的干涉图#imgabs0#进行下采样得到第i+1层Goldstein金字塔Gi+1；重复上述步骤直到得到第L层Goldstein金字塔GL，把第0‑L层金字塔图像进行组合得到Goldstein金字塔。其可以生成SAR影像复数干涉图的Goldstein金字塔图像，实现对复数干涉图的多尺度描述，为进一步提升复数干涉图滤波、相位解缠等处理的效果提供了一种有效的多尺度变换方法，对SAR影像复数干涉图构建金字塔的效果好。
-
公开(公告)号：CN110136127B
公开(公告)日：2023-04-18
申请号：CN201910416589.6
申请日：2019-05-20
Applicant: 中国矿业大学
IPC: G06T7/00 , G06V10/762
Abstract: 本发明公开了一种基于Wald检验的SAR影像变化检测方法，适用于图像处理领域。其步骤为：(1)作出用于SAR影像变化检测的Wald检验零假设H0和备择假设H1；(2)计算备择假设H1约束条件下参数θ的极大似然估计值(3)计算备择假设H1约束条件下参数θ的Fisher信息矩阵(4)生成SAR影像I1和SAR影像I2基于Wald检验的差异影像DWald；(5)通过模糊c均值聚类得到变化检测结果图。该方法基于Wald检验理论，只需要估计备择假设H1约束条件下的参数θ，比估计零假设H0条件下的参数θ简单，计算效率高，具有完备的数学基础，提高了从两幅SAR影像中检测地表覆盖信息变化区域的精度，对SAR影像变化检测效果好。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
