-
公开(公告)号：CN101839980A
公开(公告)日：2010-09-22
申请号：CN200910047984.8
申请日：2009-03-20
Applicant: 复旦大学
IPC: G01S17/89
Abstract: 本发明属于遥感图像处理技术领域，涉及一种基于分割窗的无监督遥感图像变化检测方法。该方法将差异图像分割成子图像，通过求子图像的局部阈值来确定差异图像的整体阈值。实验结果表明，该方法能较好的解决变化区域相对较大或较小时一般变化检测方法无法进行准确的变化检测的问题，相对于一般变化检测的方法，检测精度有明显的提高。本发明可用于遥感图像变化检测领域，特别是在遥感图像变化区域的面积比例相对较大或较小的情况下。本发明对于进一步提高变化检测的精度具有重要的实际应用价值，在遥感图像变化信息检测领域具有较好的应用前景。
-
-
公开(公告)号：CN100410684C
公开(公告)日：2008-08-13
申请号：CN200610024111.1
申请日：2006-02-23
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于统计参数估计的遥感图像融合方法。该方法引入高分辨率多光谱图像和低分辨率多光谱图像之间的观测模型，以及高分辨率多光谱图像和全色图像之间的观测模型，并将上述两个观测模型联立成一个贝叶斯线性模型。通过应用贝叶斯高斯—马尔科夫定理，得到线性最小均方误差意义上的高分辨率多光谱图像的估计。本发明不仅能够增强空间细节，而且很好地保持了光谱特性，其性能优于传统的HIS方法、PCA方法和小波变换方法以及现存的基于统计参数估计的Nishii方法和Hardie方法。新方法可为改善遥感图像的目视判读精度，提高信息清晰度和可靠性上提供新的有效的技术支持。
-
公开(公告)号：CN101221243A
公开(公告)日：2008-07-16
申请号：CN200710047702.5
申请日：2007-11-01
Applicant: 复旦大学
CPC classification number: G06K9/0063
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于非负矩阵因式分解的遥感图像混合像元分解方法。本发明将单形体方法作为非负矩阵分解算法的前端算法，即由单形体方法获得初步端元信号估计结果，然后由其组合成的矩阵作为端元信号矩阵的初始值，代入经修改后的非负矩阵因式分解迭代式进行更新运算，获得最终的分解结果。本发明克服了两种算法各自的缺点，有效的解决了高混合遥感数据的混合像元分解问题。本方法在基于多光谱和高光谱遥感图像的高精度地物分类以及地面目标的检测和识别方面具有重要应用价值。
-
公开(公告)号：CN1758283A
公开(公告)日：2006-04-12
申请号：CN200510110001.2
申请日：2005-11-03
Applicant: 复旦大学
Abstract: 本发明属于计算机视觉技术领域，具体为一种具有实时特征学习的、模拟生物视觉多尺度交叠感受野的神经网络及其建立方法和应用，该网络可应用于机器视觉学习和认知。通过无监督的学习获得对外界图像的视觉特征，对不同位置和尺度的感兴趣目标，都可找到它在场景中的位置。结合有监督学习的识别分类算法，把它应用在机器视觉上，可以实现对感兴趣的目标进行实时跟踪；应用在行走机器人上，可在不同环境下自主学习和目标追踪。
-
Patent Agency Ranking
公开(公告)号：CN1588447A
公开(公告)日：2005-03-02
申请号：CN200410053855.7
申请日：2004-08-19
Applicant: 复旦大学
Abstract: 本发明为一种基于残差的遥感图像融合方法。该方法首先使用残差抽取算法获取多光谱图像的残差图像和全色图像的残差图像；然后将多光谱图像的残差图像插值到和全色图像的残差图像同样的尺寸，通过主成分分析对插值后的多光谱残差图像和全色图像的残差图像进行融合，恢复出多光谱图像的高分辨率残差；最后将多光谱图像的插值图像和多光谱图像的残差图像相加得到多光谱图像的高分辨率图像估计。本发明在较大地增强融合图像的空间细节表现能力的同时，很好地保留了原多光谱图像的光谱信息，其物理意义明确、实现结构简单、融合效果好，可为改善遥感图像的目视判读精度，提高信息清晰度和可靠性方面提供有效的技术支持。
-
公开(公告)号：CN1564603A
公开(公告)日：2005-01-12
申请号：CN200410017386.3
申请日：2004-04-01
Applicant: 复旦大学
Abstract: 本发明为一种时间维受限的三维SPIHT虚拟树组织方法，是对视频图像三维小波变换结果进行三维SPIHT压缩的重要改进。本发明提出了对于不能再作真实分解的三维小波系数进行二维与三维相结合的虚拟分解，从而形成了根结点父子关系、二维父子关系及三维父子关系相结合的子女寻找方法，并以此方法重新定义三维SPIHT树。本发明显著提高了的三维SPIHT的编码效率。
-
公开(公告)号：CN102609944B
公开(公告)日：2014-06-11
申请号：CN201210027158.9
申请日：2012-02-08
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于距离几何理论的高光谱遥感图像混合像元分解方法。本发明根据高光谱图像的物理特性和数据集几何特性，将距离几何理论引入高光谱图像解混中，提出了一个计算高维数据空间中重心坐标的运算公式，并且根据距离几何约束得到一种很好地保持数据集几何结构的位置估计算法，最终得到一种新的高精度、低复杂度的丰度估计算法——基于距离几何的丰度估计算法。该算法对各种不同的高光谱数据（包括仿真数据和实际数据集）都表现出良好的适用性。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重要的应用价值。
-
公开(公告)号：CN101692125B
公开(公告)日：2013-06-12
申请号：CN200910195453.3
申请日：2009-09-10
Applicant: 复旦大学
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于Fisher判别零空间的高光谱遥感图像混合像元分解方法。Fisher判别零空间法是针对混合像元分解中普遍存在的同物异谱现象引起的分解精度降低的问题而提出的。该方法通过对端元纯像元光谱组成的训练样本进行分析，构造训练样本的类内散布矩阵零空间，使端元内的光谱差异变为零，再在此零空间内寻找令类间散布矩阵离散度最大的判别矢量，使不同类的端元光谱分离度最大，从而最大程度上减少了由于同物异谱而导致的分解误差。本发明方法在高光谱遥感图像的高精度的地物分解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：CN101866424B
公开(公告)日：2013-04-10
申请号：CN201010179325.2
申请日：2010-05-20
Applicant: 复旦大学
IPC: G06T7/00
Abstract: 本发明属于遥感图像处理技术领域，具体为一种基于独立分量分析的高光谱遥感图像混合像元分解方法。本发明根据高光谱图像的物理特性，在独立分量分析的目标函数中引入丰度和为一约束与丰度非负约束，并且提出一种自适应的丰度建模方法来描述数据的概率分布，从而对各种不同的遥感数据都表现出良好的适用性。本方法可以有效地解决高混合度和各种干扰下的遥感数据混合像元分解问题。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重要的应用价值。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.024 seconds)
