-
公开(公告)号：CN118762262A
公开(公告)日：2024-10-11
申请号：CN202411247727.X
申请日：2024-09-06
Applicant: 湖南大学
IPC: G06V10/80 , G06N3/0464 , G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种高光谱和SAR图像融合识别方法及系统，本发明方法包括将高光谱图像和SAR图像输入预先训练好的图卷积融合网络来获得遥感图像分类结果，所述图卷积融合网络进行遥感图像分类包括下述步骤：提取高光谱图像的光谱特征；提取高光谱图像和SAR图像的联合空间特征；融合光谱特征和特征联合空间特征获得融合特征；对融合特征进行分类识别得到遥感图像分类结果。本发明旨在利用图卷积网络在建模高阶非线性结构方面的优势，基于高光谱和SAR图像准确地识别复杂遥感图像中不同地物类别。
-
公开(公告)号：CN117314757B
公开(公告)日：2024-02-09
申请号：CN202311622750.8
申请日：2023-11-30
Applicant: 湖南大学
IPC: G06T3/4076 , G06T3/4084 , G06T3/4046 , G06N3/0464
Abstract: 本发明公开了一种空谱频多域融合的高光谱计算成像方法、系统及介质，本发明方法包括利用二维的离线离散余弦变换DCT将RGB图像 转换到频率域得到频域特征图 ；从频域特征图中提取频率信息图 ；利用二维的离线离散余弦逆变换IDCT将频率信息图 变换到空间域得到空间域的频率信息图 ；将空间域的频率信息图 融合到RGB图像 的空谱域特征中生成高光谱图像 。本发明旨在解决现有高光谱计算成像中高光谱图像细节信息差、重构精度(56)对比文件Chenying Liu et al.Naive GaborNetworks for Hyperspectral ImageClassification.IEEE TRANSACTIONS ONNEURAL NETWORKS AND LEARNINGSYSTEMS.2021,第32卷(第1期),376-390.Jing Liu et al.Hyperspectral RemoteSensing Images Deep Feature ExtractionBased on Mixed Feature and ConvolutionalNeural Networks.Remote Sensing.2021,(第13期),1-17.刘鹏飞;赵怀慈;李培玄.对抗网络实现单幅RGB重建高光谱图像.红外与激光工程.2020,(第S1期),143-150.
-
公开(公告)号：CN110458777B
公开(公告)日：2021-10-15
申请号：CN201910717658.7
申请日：2019-08-05
Applicant: 湖南大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于自适应秩校正的高光谱图像去噪方法、系统及介质，本发明高光谱图像去噪方法针对各个矩阵化分块退化高光谱图像、矩阵化分块初始估计的干净高光谱图像建立基于自适应秩校正的高光谱图像去噪模型，通过自适应秩校正惩罚函数实现自适应地抵消核范数对大的奇异值的惩罚，基于l2,1范数消除稀疏噪声，采用交替方向乘子算法进行求解分块干净图像并组合获得最终估计的干净高光谱图像。本发明能够解决现有大多数基于低秩矩阵恢复的高光谱去噪方法利用核范数逼近矩阵秩导致过度惩罚大的奇异值和秩信息固定且需提前定义使得方法不灵活等问题，能够去除高光谱图像中的高斯噪声、脉冲噪声、死线和条带等复杂噪声。
-
公开(公告)号：CN113269688A
公开(公告)日：2021-08-17
申请号：CN202110539679.1
申请日：2021-05-18
Applicant: 湖南大学
Abstract: 本发明公开了一种全变分光学遥感图像海面耀斑去除方法，包括：将被耀斑污染的光学遥感退化图像X输入预设的高阶纹理全变分耀斑去除模型，将高阶纹理全变分耀斑去除模型的求解问题转换为包含多个子问题的数值优化问题，求解所述包含多个子问题的数值优化问题，获得纯净的遥感图像Y；该高阶纹理全变分耀斑去除模型为将光学遥感退化图像X视为一个纯净的遥感图像Y和一个耀斑图像Z的叠加的函数关系X=Y+Z建立便于区分耀斑和背景信息的纯净的遥感图像Y的函数表达式、并引入纹理的高阶全变分项得到。本发明实现光学遥感图像海面耀斑去除，不需要利用任何辅助数据和波段信息，能够有效去除耀斑且保留地物信息。
-
公开(公告)号：CN112991408B
公开(公告)日：2021-07-30
申请号：CN202110415824.5
申请日：2021-04-19
Applicant: 湖南大学
IPC: G06T7/33
Abstract: 本发明公开了一种大场景高分遥感图像自适应区域多特征配准方法及系统，包括对输入的参考图像和目标图像提取相同大小的分块区域，并提取分块图像区域的多种特征进行特征匹配得到局部区域图像多特征集合，剔除多种特征中不满足特征匹配误差阈值的离群匹配特征，对不满足阈值的局部图像区域逐级进行金字塔形区域扩增，降采样扩增后的局部区域，选择满足阈值的局部区域作为最终多特征提取区域，结束区域扩增，组合满足条件的图像多特征集合后利用高斯权重计算匹配特征在全局图像变换模型中的权重参数，最终将目标图像变换得到配准图像。本发明能够实现多时相大场景高分辨遥感图像高精度配准，在实际多时相高分辨率遥感应用中具有非常重要的价值。
-
Patent Agency Ranking
公开(公告)号：CN112990164B
公开(公告)日：2021-07-27
申请号：CN202110542741.2
申请日：2021-05-19
Applicant: 湖南大学
Abstract: 本发明公开了一种多光谱与全色图像联合配准与模糊核估计方法与系统，本发明方法包括建立图像偏移量学习子网络、空间和光谱模糊核估计子网络，连接得到可端到端训练的多光谱、全色图像配准与模糊核估计网络；结合遥感卫星原始全色图像与多光谱图像构建训练数据集，通过训练数据集训练优化多光谱、全色图像配准与模糊核估计网络，训练完成得到空间模糊核与光谱模糊核。本发明仅利用从卫星直接得到的低空间分辨率多光谱图像和高空间分辨率的全色图像以及其空间光谱联系，可无监督训练学习得到配准的全色图像以及空间和光谱模糊核，可应用于遥感卫星自然灾害监测、农作物检测、矿产勘探和土地资源调查等实际应用领域。
-
公开(公告)号：CN112801881B
公开(公告)日：2021-06-22
申请号：CN202110395614.4
申请日：2021-04-13
Applicant: 湖南大学
Abstract: 本发明公开了一种高分辨率高光谱计算成像方法、系统及介质，本发明方法包括：对输入的RGB图像Y进行光谱上采样得到初始高光谱图像X0；将初始高光谱图像X0输入到预先完成训练的成像模型引导的深度卷积神经网络，通过迭代求解得到高光谱图像X，该深度卷积神经网络由多个具有相同结构的模块级联构成，每一个模块由高光谱先验学习模块HPL和成像模型引导模块IMG构成，高光谱先验学习模块HPL用于学习上一个模块或者初始高光谱图像X0的上采样结果的先验特征。本发明能够有效实现RGB图像到高分辨率的高光谱图像的重构，具有重构精度高、计算效率高、内存消耗小、泛化能力强的优点。
-
公开(公告)号：CN111681271A
公开(公告)日：2020-09-18
申请号：CN202010798170.4
申请日：2020-08-11
Applicant: 湖南大学
IPC: G06T7/33
Abstract: 本发明公开了一种多通道多光谱相机配准方法，包括预设N组不同距离的场景对应的图像变换矩阵；将待配准多光谱图像通过预设的N组变换矩阵进行变换，得到N组配准结果图像；对得到的N组配准结果图像，分别计算该图像指定通道间的结构相似度，并选择相似度最高的一组配准结果图作为该待配准多光谱图像最终得到的配准结果图。本发明多通道多光谱相机配准方法配准精度高，实时性好，能够在景深变化的实际场景下快速准确地完成配准，能够有效解决现有配准技术中景深变化导致的配准精度降低和实时性不高的问题。
-
公开(公告)号：CN106228186B
公开(公告)日：2019-11-15
申请号：CN201610571286.8
申请日：2016-07-20
Applicant: 湖南大学
IPC: G06K9/62
Abstract: 本发明提供了一种高光谱图像分类装置与方法，涉及图像处理领域。所述高光谱分类图像方法通过提取一高光谱图像的像素级结构特征向量、亚像素级光谱混合特征向量以及超像素级空谱相似性特征向量；依据像素级结构特征向量、亚像素级光谱混合特征向量以及超像素级空谱相似性特征向量利用支持向量机对高光谱图像分别进行逐像素类别估计，从而获得三个分类概率矩阵；依据类别标签、预设的调节因子以及三个分类概率矩阵获得的联合分类概率矩阵构造能量函数，求取能量函数的最小值，从而获得分类结果图像矩阵。本发明提供的高光谱图像分类装置与方法，可提升对高光谱图像的平滑区域的分类精度，又能降低对高光谱图像的结构纹理密集区域的误分类情况。
-
公开(公告)号：CN106228553B
公开(公告)日：2019-07-23
申请号：CN201610573898.0
申请日：2016-07-20
Applicant: 湖南大学
Abstract: 本发明提供了一种高分辨率遥感图像阴影检测装置与方法，涉及图像处理领域。该高分辨率遥感图像阴影检测装置与方法通过将一高分辨率遥感图像转化为空间特征图像；对所述空间特征图像进行初步分割，并获得阴影区域与非阴影区域；再对阴影区域和非阴影区域进行处理并获得处理结果，并依据所述处理结果对所述高分辨率遥感图像进行支持向量机分类，并获得初始概率图像矩阵；依据扩展随机行走算法对所述初始概率图像矩阵进行优化处理，并获得阴影图像结果矩阵。该高分辨率遥感图像阴影检测装置与方法最终得到的阴影图像具有鲁棒性高、噪声点少以及无需人工标记的特点，且提高了检测出的阴影图像的精度。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.024 seconds)
