-
公开(公告)号：CN105469392B
公开(公告)日：2019-02-01
申请号：CN201510795831.7
申请日：2015-11-18
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于区域光谱梯度特征对比的高光谱图像显著性检测方法，用于解决现有高光谱图像显著性检测方法准确率低的技术问题。技术方案是首先提取光谱梯度特征，并在所得数据上对图像数据进行过分割，获得一组超像素；再使用聚类方法将在光谱梯度特征上相似的超像素标记成同一类别，从而形成具有不同光谱梯度特征的区域。对每一区域，利用区域对比方法，计算其与相邻区域的光谱梯度特征对比值作为其显著性响应值。在哈佛大学和曼彻斯特大学提供的数据集上的实验结果表明，在查全率为70％时，本发明方法查准率为82％，并且在查全率从0到100％变化的过程中，本方法查准率以超过80％的概率高于背景技术方法。
-
公开(公告)号：CN105913430B
公开(公告)日：2019-01-15
申请号：CN201610224322.3
申请日：2016-04-12
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多光谱遥感图像的黄河主溜信息协同提取方法，用于解决现有黄河主溜信息提取方法准确率差的技术问题。技术方案是首先由偏度分析方法和基于光谱相似性与空间连续性的方法分别获得一组主溜点位置；然后将偏度分析方法得到的主溜点作为先验信息输入到基于光谱相似性与空间连续性的提取方法中，用于获取矫正后的主溜点；此后，将所获得的主溜点再作为偏度分析方法的输入，进一步矫正主溜点；如此迭代，直至获得的主溜点位置稳定；最后，将得到的主溜点进行连接，形成主溜线。本发明方法在黄河中下游的Landsat TM遥感图像上的实验结果表明，其检测率达到95％时，虚警率仅为1％，且获得的主溜线具有很好的连续性。
-
公开(公告)号：CN106067165B
公开(公告)日：2018-11-30
申请号：CN201610374506.8
申请日：2016-05-31
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于聚类化稀疏随机场的高光谱图像去噪方法，用于解决现有高光谱图像去噪方法去噪性能差的技术问题。技术方案是根据光谱特性将高光谱图像中的像素聚成若干个类别，利用马尔科夫随机场模型构造图像的先验模型。先验中定义的类内结构稀疏性势能函数和图结构势能函数，分别约束了类内像素光谱维上的相关性和空间维上的相似性。并且，采用正则化回归模型，联合表征了先验学习模型和去噪模型。由于联合考虑了高光谱图像光谱维上的相关性和空间维上的相似性，去噪性能得以提升。在CAVE数据集上的去噪实验表明，当噪声图像的信噪比为16.5分贝时，去噪结果获得的峰值信噪比达到了33.3分贝。
-
公开(公告)号：CN107292337A
公开(公告)日：2017-10-24
申请号：CN201710442277.3
申请日：2017-06-13
Applicant: 西北工业大学
CPC classification number: G06F17/16 , G06K9/6249 , G06K9/6278 , G06T5/002 , G06T2207/10016
Abstract: 本发明公开了一种超低秩张量数据填充方法，用于解决现有张量数据处理方法精度低的技术问题。技术方案是将张量分解成低秩结构和非低秩结构，使用混合高斯模型(MOG)对非低秩结构进行先验描述，利用Gibbs采样获得非低秩结构E和基于CP分解的低秩结构X的样本均值，用均值近似带求的隐张量。本发明一方面，通过充分挖掘CANDECOMP/PARAFAC(CP)分解权值的稀疏性，建立基于稀疏性的低秩模型。另一方面，使用混合高斯模型(MOG)模拟复杂的非低秩结构。这两点保证了即使在低于10％的观测率的情况下，也能够自适应地进行张量填充。经测试，相对重建误差降低，提高了重建精度。
-
公开(公告)号：CN105913123A
公开(公告)日：2016-08-31
申请号：CN201610224971.3
申请日：2016-04-12
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于自动编码器和多层感知器网络的黄河主溜光谱建模方法，用于解决现有建模方法自适应性差的技术问题。技术方案是综合考虑水分子的吸收系数和散射系数，泥沙颗粒的吸收系数和散射系数，光的入射角，水层向上散射角等诸多因素；采用自动编码器后接多层感知器形成的神经网络结构，利用训练数据进行学习，最终获得黄河主溜光谱模型。自动编码器具有去除冗余信息，对噪声鲁棒的特点，因此有利于获得鲁棒的参数估计结果。本发明建立的黄河主溜光谱模型结合主溜成因，综合考虑了水体、泥沙、光照等方面的因素，采用自动编码器和多层感知器网络作为模型参数估计方法，能够更具数据自动获得具体模型参数，具有良好的可扩展性和自适应性。
-
Patent Agency Ranking
公开(公告)号：CN105913023A
公开(公告)日：2016-08-31
申请号：CN201610224324.2
申请日：2016-04-12
Applicant: 西北工业大学
IPC: G06K9/00
CPC classification number: G06K9/0063 , G06K9/36 , G06K9/6218 , G06K2009/363 , G06T5/006 , G06T2207/10044 , G06T2207/30181
Abstract: 本发明公开了一种基于多光谱图像和SAR图像的黄河冰凌协同检测方法，用于解决现有黄河冰凌检测方法精度差的技术问题。技术方案是首先利用遥感图像，通过对黄河遥感图像几何校正、Bow?tie校正、云剔除、图像裁剪等预处理，进而对河流区域粗分割，最后利用NDSI检测方法与聚类法相结合，得到分割区域集合m；然后将区域m作为SAR图像检测方法输入，通过超像素分割和计算显著图得到分割区域集合n，最后通过交替迭代，寻找使得黄河冰凌检测模型最优的解，获取到最佳冰凌检测区域，实现黄河冰凌快速、有效检测，精度高。
-
公开(公告)号：CN103871087B
公开(公告)日：2016-07-13
申请号：CN201410102950.5
申请日：2014-03-20
Applicant: 西北工业大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于三维全变差稀疏先验的高光谱解混压缩感知方法，用于解决现有联合光谱解混的高光谱图像压缩感知算法精度低的技术问题。技术方案是采用随机观测矩阵从原始数据中抽取少量的样本作为压缩数据。重建过程，根据解混压缩感知模型，从光谱库中选择适当的光谱作为的模型中的端元矩阵，进而引入丰度值矩阵的三维全变差稀疏先验，通过求解受限的线性优化问题，精确地求解丰度值矩阵。最后使用线性混合模型重建原始数据。在HYDICE卫星拍摄的urban数据上当压缩比为1:20时，归一化的均方误差(normalized mean squared error,NMSE)小于0.09，当压缩比为1:10时，归一化均方误差同样小于0.08，相对于已有的压缩感知类算法精度提升10%以上。
-
公开(公告)号：CN103745487B
公开(公告)日：2016-07-06
申请号：CN201310713709.1
申请日：2013-12-20
Applicant: 西北工业大学
IPC: G06T9/00
Abstract: 本发明公开了一种基于结构化稀疏先验的贝叶斯高光谱解混压缩感知方法，用于解决现有联合光谱解混的高光谱图像压缩感知方法精度差的技术问题。技术方案是压缩过程通过线性解混发掘高光谱数据内在的低秩性质，使用小波变换将丰度值转换成结构化稀疏信号，之后使用压缩感知得到压缩数据。重建过程，从光谱库中选择合适的端元矩阵，引入丰度值小波系数的结构化稀疏先验，然后使用基于吉布斯采样的贝叶斯推理方法精确重建丰度值矩阵，最后使用线性混合模型重建原始数据。相对于背景技术压缩感知类算法精度提升10%左右。
-
公开(公告)号：CN103310230B
公开(公告)日：2016-04-13
申请号：CN201310240655.1
申请日：2013-06-17
Applicant: 西北工业大学
IPC: G06K9/64
Abstract: 本发明公开了一种联合解混及自适应端元提取的高光谱图像分类方法，用于解决现有基于光谱解混的高光谱图像分类方法误差大的技术问题。技术方案是首先对图像进行粗分类，继而利用混淆矩阵实现各类别的端元集提取。通过获得的端元集对各类别中的训练样本进行线性光谱解混，利用其丰度值优化基于多元逻辑回归的概率分类器，获得较优分类结果。根据分类结果实现类别的端元集更新。迭代此过程，不断优化分类器，提高了分类精度。本发明在模拟数据集和两个真实高光谱数据集AVIRIS Indian Pine数据和ROSIS Pavia University数据上的测试结果表明，平均精度分别为81.98%，62.19%，82.38%。
-
公开(公告)号：CN105389431A
公开(公告)日：2016-03-09
申请号：CN201510750250.1
申请日：2015-11-06
Applicant: 西北工业大学
IPC: G06F17/50
CPC classification number: G06F17/5036
Abstract: 本发明公开了一种区域电磁环境的动态特性表征方法，用于解决现有区域电磁环境的动态特性表征方法实用性差的技术问题。技术方案是：首先，基于信号基础理论对区域接收点处电磁信号集合的进行建模；其次，利用数学形态学滤波原理对接收的电磁信号集合进行交替滤波，滤除电磁信号中的脉冲噪声和白噪声；最后，运用分形理论求解电磁环境接收点集合的关联维数。对区域电磁环境动态性量化表征。本发明根据区域电磁信号表示和数学形态学理论，不仅对区域L个接收点N个辐射源产生的电磁信号进行了建模，并且滤除了环境中突发噪声，实现了对接收信号的动态性表征。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.041 seconds)
