-
公开(公告)号：CN100507603C
公开(公告)日：2009-07-01
申请号：CN200710144447.6
申请日：2007-10-16
Applicant: 哈尔滨工业大学
Abstract: 基于选择性核主成份分析的高光谱图像异常点的检测方法，它涉及的是高光谱图像分析检测的技术领域。它是为了解决现有高光谱图像检测技术存在不能高效的对异常点的进行特征提取，而产生较多虚警，及在有严重的背景干扰下无法对异常点有效检测的问题。它的步骤为：对数据进行归一化，并执行核主成份分析；在主分量内构造滑动窗；计算滑动窗内像素的三阶矩和四阶矩并与设定值比较；遍历主分量后，记值；所有主分量得到处理；选最大主分量；用RX算子对所选主分量进行异常点检测，输出检测结果。本发明能高效的对高光谱图像中异常点目标的特征进行提取和选择，而降低虚警率，并实现在有严重的背景干扰情况下正常对异常点进行检测。
-
公开(公告)号：CN119380010A
公开(公告)日：2025-01-28
申请号：CN202411399329.X
申请日：2024-10-09
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/77 , G06V10/80 , G06V10/82 , G06V20/13 , G06V20/17 , G06N3/0464 , G06N3/0455 , G06F40/30 , G06F18/22
Abstract: 本发明提出图像文本双向特征增强的遥感图像指向性分割方法，所述方法包括以下步骤：步骤一、通过骨干网络分别提取图像特征和文本特征，使用图像特征对文本特征进行增强；步骤二：基于步骤一获得的原始图像特征和文本特征，使用文本特征对图像特征进行注意力补充增强；步骤三、基于步骤一和步骤二中获得的增强文本特征和增强图像特征进行交互解码，最终获得遥感图像指向性分割的掩码结果。本发明提出了图像与文本的双向特征增强方法，充分挖掘跨模态特征之间的相似性与互补性，实现特征的精准对齐，显著提升了指向性分割的精度。
-
公开(公告)号：CN119068072A
公开(公告)日：2024-12-03
申请号：CN202411209246.X
申请日：2024-08-30
Applicant: 哈尔滨工业大学
IPC: G06T11/00 , G06F30/17 , G06F17/16 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/09 , G06N3/084
Abstract: 基于超表面的高光谱图像重构方法，本发明涉及高光谱图像重构方法，属于高光谱相机技术领域。本发明的目的是为了解决现有的高光谱相机尺寸过大以及成像时间过长的问题，同时也为了解决现有的超表面高光谱相机重构精度差，设计流程复杂的问题。过程为：一、训练超表面响应层，基于训练好的超表面响应层获得超表面单元的响应矩阵；二：获取最优的超表面响应矩阵排布方式；三、基于逆向设计算法推导出一种最优的超表面响应矩阵排布方式的真实物理尺寸参数；将真实物理尺寸参数制作成一个超表面透镜；四、将三得到的超表面透镜直接覆盖在相机的CMOS上，相机接收被拍摄场景的连续光谱得到多光谱图像；基于多光谱图像得到高光谱图像。
-
公开(公告)号：CN118941870A
公开(公告)日：2024-11-12
申请号：CN202411056528.0
申请日：2024-08-02
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/40 , G06V10/774
Abstract: 一种面向遥感场景的多光谱点云分类方法，本发明涉及多光谱点云分类方法。本发明的目的是为了解决现有基于机器学习的多光谱点云分类方法分类效果较差，基于深度学习的多光谱点云分类方法需要大量手动标注的真值辅助训练的问题。过程为：利用网格平衡采样方法对多光谱点云进行处理，获得训练与测试样本；构建特征聚合网络；构建多分类头与自适应混合损失模块；获得训练好的特征聚合网络和多分类头与自适应混合损失模块；将待测多光谱点云输入训练好的特征聚合网络，训练好的特征聚合网络输出特征输入训练好的多分类头与自适应混合损失模块，训练好的多分类头与自适应混合损失模块输出分类预测结果。本发明属于多光谱点云分类领域。
-
公开(公告)号：CN118212547A
公开(公告)日：2024-06-18
申请号：CN202410319866.2
申请日：2024-03-20
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 面向遥感场景分类任务的基础模型参数微调方法，本发明涉及基础模型参数微调方法。本发明的目的为了解决大规模预训练基础模型微调时计算成本和内存需求大、适应性差以及现有微调方法忽略了遥感数据中的先验信息以及时空相关性的问题。过程为：1：获得预训练好的ConvNeXt骨干网络；2：构建场景分类网络模型；场景分类网络模型包括：ConvNeXt骨干网络、适配器模块、上下文感知提示模块和场景分类任务头；3：使用标注训练样本对场景分类网络模型的参数进行微调，微调时冻结除适配器模块、上下文感知提示模块及场景分类任务头的所有参数，获得微调好的场景分类网络模型。本发明用于遥感图像处理领域。
-
Patent Agency Ranking
公开(公告)号：CN113658069B
公开(公告)日：2024-04-09
申请号：CN202110930502.4
申请日：2021-08-13
Applicant: 哈尔滨工业大学
Abstract: 基于共有平场提取的高光谱显微图像平场校正方法及系统，涉及图像平场校正领域。本发明是为了解决目前还无法提取出共有的光照平场项用于校正高光谱显微系统中从而解决癌细胞组织高光谱显微图像存在的光照不均匀的问题，进而导致的癌细胞的组织病理分类精度较低的问题。所述方法包括：采集高光谱显微图像，并将图像分为训练集和测试集；对CFE模型训练获得训练好的CFE模型；对训练好的CFE模型进行求解得到共有平场和校正后的高光谱显微图像；利用测试集对共有平场进行评分，根据评分获得平场项的共有秩，获得最优CFE模型；将待测的高光谱显微图像输入到最优CFE模型中获得平场校正后的高光谱显微图像。本发明用于对癌细胞组织高光谱显微图像进行平场校正。
-
公开(公告)号：CN117452371A
公开(公告)日：2024-01-26
申请号：CN202311397655.2
申请日：2023-10-25
Applicant: 哈尔滨工业大学
Abstract: 基于激光雷达物理模型的高分辨率波形分解方法及设备，属于全波形激光雷达波形数据处理技术领域。为了解决现有的波形分解方法受到激光雷达系统发射脉冲宽度限制而不能实现波形的高分辨率分解问题。本发明将光斑微分为相邻的小光斑，使用两个高斯函数的叠加来建立发射脉冲模型，并基于对应建立接收到回波信号的波形模型；进而分离激光雷达发射脉冲和回波信号，得到窄发射脉冲和对应的回波信号，针对窄发射脉冲和对应的回波信号，利用反卷积算法恢复目标散射截面函数，将其作为两个目标的散射截面函数之和并使用三次样条分解；将目标散射截面函数依次分解后，通过将目标散射截面函数与发射脉冲卷积得到子回波信号。
-
公开(公告)号：CN115880152B
公开(公告)日：2023-11-24
申请号：CN202211603912.9
申请日：2022-12-13
Applicant: 哈尔滨工业大学
Abstract: 一种基于多传感器光谱重构网络的高光谱遥感图像生成方法，本发明涉及高光谱遥感图像生成方法。本发明的目的是为了解决现有成像技术中获取包含丰富光谱波段的高光谱图像是一项获取成本相对较高的工作的问题。过程为：一、利用多光谱传感器光谱响应函数和高光谱图像构建对应的理想多光谱图像；选定一个传感器作为主传感器，将主传感器的理想多光谱数据和一个其他传感器的真实多光谱数据作为训练数据集，通过训练数据集对传感器理想映射网络的网络参数进行优化得到训练完成的传感器理想映射网络；二、利构建并训练理想多传感器光谱重构网络；三、获得理想多光谱图像对应的高光谱图像；四、得到修正后的高光谱图像。本发明属于卫星遥感技术领域。
-
公开(公告)号：CN116580201A
公开(公告)日：2023-08-11
申请号：CN202310598870.2
申请日：2023-05-25
Applicant: 哈尔滨工业大学
IPC: G06V10/26 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 一种基于关键点的域自适应植物器官实例分割方法，本发明涉及基于关键点的域自适应植物器官实例分割方法。本发明的目的是为了解决现有的基于深度学习的实例分割算法面对不同数据集由于样本多样性导致的目标域和源域不匹配问题。过程为：1：构建基于关键点的实例分割网络模型：11：对源域的植物图像进行深度特征提取，得到不同尺度的特征图；12：对特征图上的每个元素预测一组关键点；13：将关键点转化为边界框，在特征图上提取边界框对应的感兴趣区域局部特征；14：局部特征输入语义分割网络；2：获得训练好的实例分割网络模型；3：将目标域图像输入训练好的实例分割网络模型，输出域自适应实例分割结果。本发明用于植物器官实例分割领域。
-
公开(公告)号：CN114936980A
公开(公告)日：2022-08-23
申请号：CN202210645619.2
申请日：2022-06-08
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06V10/774
Abstract: 基于低秩平滑特性的高光谱显微图像平场校正方法及系统，涉及图像平场校正领域。本发明是为了解决目前的平场校正方法还无法在不采集白平衡数据的情况下，有效地校正高光谱显微系统中的不均匀光照，从而限制了高光谱显微系统在组织病理学处理中的应用的问题。本发明包括：获取待测的高光谱显微图像，将图像输入到LRSFC模型的最优解中，获得平场校正后的高光谱显微图像；获取LRSFC模型的最优解包括：采集高光谱显微图像，并分为训练集和测试集；利用训练集建立LRSFC模型；对LRSFC模型进行求解，获得LRSFC模型的通解；利用LRSFC的通解获取高光谱显微图像的平场项；利用高光谱显微图像平场项对测试集评分获取LRSFC模型最优解。本发明用于对高光谱显微图像进行平场校正。
-
-
-
-
-
-
-
-
-
Search Results
171
records
(took 0.033 seconds)
