-
公开(公告)号：CN107590816A
公开(公告)日：2018-01-16
申请号：CN201710806824.1
申请日：2017-09-08
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及水体信息提取及拟合方法，具体涉及一种基于遥感图像的水体信息拟合方法，本发明为了解决现有的常规测量很难及时掌握水体变化及水质变化情况，且常规测量有可能无法发现一些污染源和污染源的特征的缺点，而提出一种基于遥感图像的水体信息拟合方法，包括：使用水体指数法对遥感图像进行处理，得到处理后的图像；对处理后的图像使用二维Otsu阈值分割，得到阈值分割结果；将阈值分割结果与处理后的图像取交集，确定取交集后的图像的光反射率；选取函数模型，使用光反射率及函数模型对溶氧量和高锰酸盐分别进行计算，得到溶氧量的拟合程度以及高锰酸盐的拟合程度；根据预设的标准分别选取拟合程度最优的进行拟合。本发明适用于水体信息拟合。
-
公开(公告)号：CN105046673B
公开(公告)日：2017-11-03
申请号：CN201510408771.9
申请日：2015-07-13
Applicant: 哈尔滨工业大学
Abstract: 基于自学习的高光谱图像和可见光图像融合分类方法，属于高光谱图像小样本分类领域。现有的主动学习算法忽略了对候选样本集的确定过程，且人工标记候选样本集中信息量最大的样本存在程耗时费力的问题。一种基于自学习的高光谱图像和可见光图像融合分类方法，首先，获取大量未标记样本的对象标签；然后，根据对象标签和分类标签确定候选样本集，这样在确定候选样本的同时获得样本的标签，避免人工标记的过程。本发明具有提高分类精度的优点。
-
公开(公告)号：CN106650681A
公开(公告)日：2017-05-10
申请号：CN201611247606.0
申请日：2016-12-29
Applicant: 哈尔滨工业大学
IPC: G06K9/00
CPC classification number: G06K9/00503 , G06K9/00536
Abstract: 基于低秩矩阵恢复的空谱联合高光谱图像目标识别方法，属于高光谱遥感图像目标识别领域，本发明为解决现有对高光谱图像进行目标识别处理时存在信息浪费，进而导致目标识别精度较低的问题。本发明目标识别方法的具体过程为：步骤1、通过低秩矩阵恢复方法对高光谱图像进行原图和噪声的分离，将被噪声干扰的高光谱图像从噪声中恢复出来；步骤2、通过有约束能量最小化方法，将待识别光谱与目标光谱进行匹配；步骤3、从空间角度利用不变矩特征对光谱匹配的结果进行识别，获得高光谱图像数据的目标识别结果。本发明用于对空谱联合高光谱图像的目标识别。
-
公开(公告)号：CN106600602A
公开(公告)日：2017-04-26
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：CN106595873A
公开(公告)日：2017-04-26
申请号：CN201710001761.2
申请日：2017-01-03
Applicant: 哈尔滨工业大学
IPC: G01J5/00
CPC classification number: G01J5/00 , G01J2005/0077
Abstract: 基于长波红外大气底层辐射和可见光波段线性混合模型的亚像元温度反演方法，属于遥感图像领域，本发明为解决现有红外波段温度反演方法未将混合像元和纯净像元加以区分，导致像元特别是混合像元温度反演不准确的问题。本发明所述反演方法的具体过程为：步骤1、对可见光波段，采用自动目标提取算法进行光谱解混，实现纯像元与混合像元的定位和混合像元各组分丰度的初步估计；步骤2、对与可见光波段配准后的热红外波段图像，结合解混获得的像元丰度信息，与大气、传感器参数实现亚像元温度反演。本发明用于红外波段光谱图像处理。
-
Patent Agency Ranking
公开(公告)号：CN106023221A
公开(公告)日：2016-10-12
申请号：CN201610363558.5
申请日：2016-05-27
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/6223 , G06T2207/10032 , G06T2207/20112
Abstract: 基于非负低秩稀疏关联制图的遥感图像分割方法，属于遥感图像处理领域，本发明为解决高分辨率遥感图像纹理信息的高同质性导致遥感图像分割精度低的问题。本发明图像分割方法具体过程为：对遥感图像进行量化处理：将待处理输入图像利用K‑均值聚类的分类方法根据图像灰度级范围进行量化处理；提取图像纹理信息的局部直方图特征；对局部直方图特征矩阵l1/2范数约束进行低秩分解；构建低秩稀疏关联制图；利用关联制图约束的非负矩阵参数化方法分割特征矩阵，对于非负矩阵参数化方法分解的权重矩阵，通过去权卷积的方法在权重矩阵中寻找每个像素的特征向量所对应的类别最大权重，确定该像素所属的分割类别，实现图像分割。本发明用于遥感影像分割。
-
公开(公告)号：CN106023113A
公开(公告)日：2016-10-12
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：CN103824263A
公开(公告)日：2014-05-28
申请号：CN201410074775.3
申请日：2014-03-03
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种基于混合变换的遥感图像稀疏估计方法，它涉及一种遥感图像稀疏估计方法，属于遥感图像处理技术领域。本发明针对现有稀疏方法主要保留图像大多数能量，造成图像细节信息丢失，对细节丰富的遥感图像很难得到较好的稀疏效果的问题，提供了一种基于混合变换的遥感图像稀疏估计方法。该方法结合了张量积小波变换表达光滑图像的优点，以及Tetrolet变换能够有效表达纹理和边缘等细节信息的特点，对图像自身特征无限制，具有一定的普适性。实验结果表明，相对于采用单一的方法对遥感图像进行稀疏，提出的基于混合变换的方法能更有效的对遥感图像进行稀疏表达。本发明方法专门适用对遥感图像的稀疏处理。
-
公开(公告)号：CN101408621B
公开(公告)日：2011-12-28
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：CN101477197B
公开(公告)日：2011-12-21
申请号：CN200910071357.8
申请日：2009-01-24
Applicant: 哈尔滨工业大学
Abstract: 用于林地复杂场景高光谱遥感数据的仿真方法。本发明涉及高光谱遥感数据仿真的技术领域。它解决了现有的高光谱遥感数据仿真方法没能考虑地物的高度因素而不适用于林地附近存在高大建筑物情况下的高光谱遥感数据仿真的问题，步骤如下：一、设定仿真参数，并输入仿真中用到的光谱库地物反射率参考曲线；二、将欲仿真得到的高光谱遥感数据分解为太阳辐射直接被目标象元反射的能量、建筑物反射的太阳辐射被目标象元再次反射的能量、天空散射辐射被目标象元反射的能量、程辐射和临近效应，并按照步骤一中仿真参数分别进行仿真；三、将步骤二中获得的仿真结果组合得到最终的仿真数据。利用该方法为高光谱遥感数据后处理的研究提供经济且高质量的仿真数据。
-
-
-
-
-
-
-
-
-
Search Results
74
records
(took 0.036 seconds)
