基于独立分量分析的高光谱遥感图像混合像元分解方法

    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

    Inventor: 夏威 王斌 张立明

    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。

    基于Cayley-Menger行列式的高光谱遥感图像端元提取方法

    公开(公告)号:CN102136067B

    公开(公告)日:2013-02-27

    申请号:CN201110069831.0

    申请日:2011-03-23

    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Cayley-Menger行列式的高光谱遥感图像端元提取方法。本发明采用采用线性混合模型,在已知高光谱数据集和端元数目的基础上实现端元提取。该方法是一种基于单形体几何的端元提取方法,它将Cayley-Menger行列式引入单形体的体积计算,从而利用Hermite矩阵的分块特性和求逆引理方便快捷的实现端元的有效提取。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。

    基于Cayley-Menger行列式的高光谱遥感图像端元提取方法

    公开(公告)号:CN102136067A

    公开(公告)日:2011-07-27

    申请号:CN201110069831.0

    申请日:2011-03-23

    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Cayley-Menger行列式的高光谱遥感图像端元提取方法。本发明采用采用线性混合模型,在已知高光谱数据集和端元数目的基础上实现端元提取。该方法是一种基于单形体几何的端元提取方法,它将Cayley-Menger行列式引入单形体的体积计算,从而利用Hermite矩阵的分块特性和求逆引理方便快捷的实现端元的有效提取。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。

    基于残差的遥感图像融合方法

    公开(公告)号:CN1296871C

    公开(公告)日:2007-01-24

    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。

    基于贝叶斯线性估计的遥感图像融合方法

    公开(公告)号:CN1808181A

    公开(公告)日:2006-07-26

    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。

    一种基于光谱遥感图像的水体物理参量反演方法及系统

    公开(公告)号:CN116663319A

    公开(公告)日:2023-08-29

    申请号:CN202310766868.1

    申请日:2023-06-27

    Applicant: 复旦大学

    Abstract: 本发明公开一种基于光谱遥感图像的水体物理参量反演方法及系统,所述反演方法包括:获取预设区域的水体的光谱遥感图像;对所述水体的光谱遥感图像进行非线性盲解混,以得到所述水体各组分的光谱曲线和丰度;根据丰度和物理参量的计算公式,构建所述水体中各组分的丰度与水体物理参量间的函数关系式;以及根据所述水体中各组分的丰度和水体物理参量函数关系式计算所述水体的物理参量,以获取所述水体物理参量反演的结果。本发明利用水体各组分的丰度特征与水体物理参量间的高度内在联系,实现具有高精度、高普适性的水体物理参量定量反演。

    一种高光谱图像非线性异常探测方法

    公开(公告)号:CN114596483B

    公开(公告)日:2023-05-02

    申请号:CN202210123094.6

    申请日:2022-02-10

    Applicant: 复旦大学

    Inventor: 吴梓瑀 王斌

    Abstract: 本发明属于遥感图像处理技术领域,具体为一种高光谱图像非线性异常检测算法。本发明通过在基于核函数的非线性异常探测问题中引入全变分与稀疏正则的限制,将二维的高光谱图像数据分解为平滑的背景部分、稀疏的异常部分以及噪声部分,然后将稀疏的异常部分对应的表示系数用来获取最终的异常探测结果。同时考虑实际高光谱图像非线性混合的物理意义,从高光谱图像的非线性混合模型出发,引入联合字典中原子互相作用并混合的核函数映射方式。与传统的核函数映射相比,其更加符合非线性光谱混合中实际的复杂光散射效应,能够使高光谱图像数据达到更好的分解效果。在高光谱图像非线性异常探测问题上,具有重要应用价值。

Patent Agency Ranking