-
公开(公告)号：CN102013095A
公开(公告)日：2011-04-13
申请号：CN201010580676.4
申请日：2010-12-09
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 基于分布变换的多传感器图像融合方法，它涉及多传感器图像融合方法。它为解决现有多信源数据融合过程难以建立统一的数据分布模型，缺少能有效的分析不同信源的联合特性的合适方法的问题而提出。它由以下几个步骤实现：1.数据格式转换，使待融合图像的灰度值转换为向量形式；2.图像数据特性分析，建立PDF模型；3.建立多源数据的联合概率密度函数模型；4.估计运算；5.基于分布变换的数据融合结果，通过贝叶斯准则进行分类计算；6.个别分类精度较低的计算结果，采用补偿算法进行补偿计算；它在多信源数据融合过程建立了统一的数据分布模型，有效的分析不同信源的联合特性并进行融合。
-
公开(公告)号：CN101835045A
公开(公告)日：2010-09-15
申请号：CN201010162811.3
申请日：2010-05-05
Applicant: 哈尔滨工业大学
IPC: H04N7/26
Abstract: 高保真遥感图像压缩与分辨率增强的联合处理方法。它涉及遥感图像处理方法，它解决了通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。步骤为：一、输入待压缩处理的图像f(x，y)；二、对图像进行预处理；三、对于处理后的数据进行离散小波变换；四、对小波变换的结果进行信息检测；五、对小波变换结果进行量化处理，同时进行子带加权；六、对于步骤五的量化结果进行熵编码；七、对于熵编码结果进行码流截断，同时进行通道加权；八、获得压缩码流。针对现有遥感图像的实际应用要求，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。
-
公开(公告)号：CN100507603C
公开(公告)日：2009-07-01
申请号：CN200710144447.6
申请日：2007-10-16
Applicant: 哈尔滨工业大学
Abstract: 基于选择性核主成份分析的高光谱图像异常点的检测方法，它涉及的是高光谱图像分析检测的技术领域。它是为了解决现有高光谱图像检测技术存在不能高效的对异常点的进行特征提取，而产生较多虚警，及在有严重的背景干扰下无法对异常点有效检测的问题。它的步骤为：对数据进行归一化，并执行核主成份分析；在主分量内构造滑动窗；计算滑动窗内像素的三阶矩和四阶矩并与设定值比较；遍历主分量后，记值；所有主分量得到处理；选最大主分量；用RX算子对所选主分量进行异常点检测，输出检测结果。本发明能高效的对高光谱图像中异常点目标的特征进行提取和选择，而降低虚警率，并实现在有严重的背景干扰情况下正常对异常点进行检测。
-
公开(公告)号：CN101408621A
公开(公告)日：2009-04-15
申请号：CN200810209572.5
申请日：2008-11-28
Applicant: 哈尔滨工业大学
Abstract: 基于极化合成孔径雷达图像的超分辨方法，它涉及雷达图像处理领域。它为解决传统的极化合成孔径雷达图像超分辨算法不能保留相位信息和散射体的全极化散射特性的不足而提出的。本方法由以下步骤实现；1.读入雷达图像数据；2.预处理，得到不同散射成分；3.构成初始的高分辨图像；4.得各个散射成分的第n次获得的超分辨图像；5.均方根误差计算；6.判断是否满足迭代终止条件，如不满足，返回执行步骤四，否则获得最终图像。它不但能提高图像的分辨率，还能完全保留图像的极化散射特性和相位信息。
-
公开(公告)号：CN107085708B
公开(公告)日：2020-06-09
申请号：CN201710261895.8
申请日：2017-04-20
Applicant: 哈尔滨工业大学
Abstract: 基于多尺度分割和融合的高分辨率遥感图像变化检测方法，属于高光谱遥感图像技术领域，本发明为解决现有遥感图像变化检测技术对于高分辨率遥感图像的检测精度低、无法保证检测结果的完整性的问题。本发明的具体过程为：采用多尺度分割算法对多时相的高分辨率遥感图像进行空间尺度分割；对分割后的各尺度图像中的目标在对象角度上进行特征提取，用对象特征描述对象本身，进而相对其他时相的遥感图像进行向量分析，获得多个尺度的对象差异图；对获得的多个尺度的对象差异图进行变化信息提取和融合，获得最终的总变化结果图。本发明用于高分辨率遥感图像变化检测。
-
Patent Agency Ranking
公开(公告)号：CN106600602B
公开(公告)日：2019-08-23
申请号：CN201611257226.5
申请日：2016-12-30
Applicant: 哈尔滨工业大学
IPC: G06T7/00
Abstract: 基于聚类自适应窗高光谱图像异常检测方法，属于高光谱图像处理领域，本发明为解决现有背景模型构造方法限定高光谱图像背景较为一致时适用的问题。本发明具体过程为：对高光谱图像进行光谱维主成分分析，生成光谱子空间；对每个待检测像素生成自适应窗；生成的自适应窗为二值矩阵，二值矩阵的中心与待测像素重合，矩阵内为“1”的像素表示高光谱图像中为同质背景区域的像素，矩阵内为“0”的像素表示高光谱图像中为非同质背景区域的像素；利用主成分分析结果和椭圆等高模型对自适应窗内进行背景对数似然估计，检测出异常像元，生成初步的检测结果矩阵；利用形态学滤波进行后处理，得到最终的检测矩阵结果。本发明用于高光谱遥感图像的异常检测。
-
公开(公告)号：CN106023113B
公开(公告)日：2018-12-14
申请号：CN201610363498.7
申请日：2016-05-27
Applicant: 哈尔滨工业大学
Abstract: 基于非局域稀疏的卫星高分图像阴影区域恢复方法，属于遥感图像处理领域，本发明为解决现有技术不能对卫星高分图像中城市地区建筑物阴影遮蔽进行阴影检测和阴影恢复的问题。本发明阴影区域恢复方法的具体过程为：步骤1、对高分图像阴影区域进行软检测；步骤2、对检测到的全影区和半影区进行恢复，使阴影区域的亮度和平滑度与非影区一致。本发明用于卫星高分图像分析。
-
公开(公告)号：CN105303526B
公开(公告)日：2017-11-07
申请号：CN201510594428.8
申请日：2015-09-17
Applicant: 哈尔滨工业大学
Abstract: 一种基于海岸线数据及频谱分析的舰船目标检测方法，本发明涉及舰船目标检测方法。本发明是要解决现有技术不能有效去除噪声以及大幅面卫星图像中舰船目标的检测消耗较大的计算资源和时间的问题，而提出的一种基于海岸线数据及频谱分析的舰船目标检测方法。该方法是通过一、形成背景全为海洋的图像数据即掩膜后的图像；二、得到去除云层噪声后的图像；三、得到二值化图像，在二值化图像中检测到种子点或种子区域；根据检测到种子点或种子区域进行区域生长获得舰船船体区域；四、通过舰船船体区域的面积和长宽比特征进行筛选，获得最终的高分辨率卫星图像中舰船目标检测结果等步骤实现的。本发明应用于舰船目标检测领域。
-
公开(公告)号：CN106097321A
公开(公告)日：2016-11-09
申请号：CN201610393847.X
申请日：2016-06-06
Applicant: 哈尔滨工业大学
IPC: G06T7/00
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：CN105869114A
公开(公告)日：2016-08-17
申请号：CN201610179673.7
申请日：2016-03-25
Applicant: 哈尔滨工业大学
IPC: G06T3/40
Abstract: 基于多层带间结构模型的多光谱图像和全色图像融合方法，属于图像融合方法领域。为了解决在建立ARSIS模型的过程中，单层细节图像在描述带间关系时的局限性。本发明将低分辨率多光谱图像MSLR重采样到PAN图像大小，将其均值作为z1LR图像；对z1LR和MSLR进行GS正交变换，将z1LR图像变换后的图像记为利用SWT构建多尺度模型MSM；将MSM中各近似图像和细节图像划分为64×64大小的图像块；对和计算全局结构相似度SSIM，对每个图像块计算局部结构相似度，并应用定义的模型求得利用SWT逆变换得到得到z1HR后进行GS反变换；输出高分辨率多光谱图像MSHR。本发明有效地提升了多光谱图像的空间分辨率，实现了多光谱图像全色锐化的目的。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.04 seconds)
