-
公开(公告)号：CN101835045B
公开(公告)日：2011-11-09
申请号：CN201010162811.3
申请日：2010-05-05
Applicant: 哈尔滨工业大学
IPC: H04N7/26
Abstract: 高保真遥感图像压缩与分辨率增强的联合处理方法。它涉及遥感图像处理方法，它解决了通常的遥感图像压缩方法倾向于无差别舍弃高分辨率信息，导致恢复图像分辨率下降的问题。步骤为：一、输入待压缩处理的图像f(x，y)；二、对图像进行预处理；三、对于处理后的数据进行离散小波变换；四、对小波变换的结果进行信息检测；五、对小波变换结果进行量化处理，同时进行子带加权；六、对于步骤五的量化结果进行熵编码；七、对于熵编码结果进行码流截断，同时进行通道加权；八、获得压缩码流。针对现有遥感图像的实际应用要求，对于压缩后图像的应用如边缘检测、目标识别等方面也有着重要的价值。
-
公开(公告)号：CN102176701A
公开(公告)日：2011-09-07
申请号：CN201110040672.1
申请日：2011-02-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于主动学习的网络数据异常检测方法，它涉及基于支持向量机的检测方法。它解决了现有在网络数据的异常检测方法中支持向量机中所存在的训练样本多、复杂度高、难以有良好分类特性的问题。步骤如下：一、在未标注样本中选择C个点作为候选聚类中心，将候选未标注样本集A进行迭代优化聚类运算，选取叠代聚类结果中的代表性样本构建训练样本集B；二、支持向量机在训练样本集B上训练得到训练超平面；三、根据样本选择准则从候选未标注样本集A中选择最能提升分类性能的样本，标注类别后加入训练样本集B中；四、支持向量机在更新后的训练样本集B上重新训练；五、若检测精度达到设定值，则结束，否返回三。将该算法应用于异常检测研究中可以有效降低复杂度。
-
公开(公告)号：CN101344587B
公开(公告)日：2011-08-17
申请号：CN200810136931.9
申请日：2008-08-15
Applicant: 哈尔滨工业大学
Abstract: 用于极化合成孔径雷达图像的多成分分解方法，它涉及的是极化合成孔径雷达图像目标分解、图像分析的技术领域。它解决了现有的目标分解方法不能全面考虑所有基本散射类型的不足，它的步骤为：对全极化合成孔径雷达图像进行预处理，并得到其协方差矩阵；将地物散射的协方差矩阵分解为基本的五种散射类型，并根据协方差矩阵对应元素相等的关系，分别求出各个散射类型的加权系数；根据加权系数求出各个散射类型的散射功率，得到各个散射类型的分解结果，完成多成分分解。它全面考虑了地物的散射特性，能够更真实的反应地物的散射情况，可以更准确的描述极化合成孔径雷达图像中目标的散射特性，为后续的目标检测和分类提供更准确的信息。
-
公开(公告)号：CN100493141C
公开(公告)日：2009-05-27
申请号：CN200710144866.X
申请日：2007-12-19
Applicant: 哈尔滨工业大学
Abstract: 基于下采样和插值同一性建立数学模型的处理图像的方法，它涉及图像处理方法，它解决了现有下采样后图像保持信息少的问题。本发明的步骤为：首先输入待下采样图像FO；其次建立插值数学模型：FH＝CI(UHFLUV)，之后选择插值方法，确定预测模型，确定插值方法的算子CI，同时根据图像FO大小确定UH和UV；接下来建立下采样数学模型：FL＝DH(CFFO)DV；建立插值和下采样统一像素预测模型，由插值的算子CI和下采样的算子CF同一性得到CF，同时得到DH和DV；最终通过所得到的FL＝DH(CFFO)DV，对图像FO进行下采样处理；得到下采样图像。本发明可以应用于图像及视频的低码率压缩，不仅减少了压缩算法的计算量，加快处理速度减少延时，还使恢复图像质量有明显的提高。
-
公开(公告)号：CN101188669A
公开(公告)日：2008-05-28
申请号：CN200710144866.X
申请日：2007-12-19
Applicant: 哈尔滨工业大学
Abstract: 基于下采样和插值同一性建立数学模型的处理图像的方法，它涉及图像处理方法，它解决了现有下采样后图像保持信息少的问题。本发明的步骤为：首先输入待下采样图像FO；其次建立插值数学模型：FH＝CI(UHFLUV)，之后选择插值方法，确定预测模型，确定插值方法的算子CI，同时根据图像FO大小确定UH和UV；接下来建立下采样数学模型：FL＝DH(CFFO)DV；建立插值和下采样统一象素预测模型，由插值的算子CI和下采样的算子CF同一性得到CF，同时得到DH和DV；最终通过所得到的FL＝DH(CFFO)DV，对图像FO进行下采样处理；得到下采样图像。本发明可以应用于图像及视频的低码率压缩，不仅减少了压缩算法的计算量，加快处理速度减少延时，还使恢复图像质量有明显的提高。
-
Patent Agency Ranking
公开(公告)号：CN113706418A
公开(公告)日：2021-11-26
申请号：CN202111040994.6
申请日：2021-09-07
Applicant: 哈尔滨工业大学
Abstract: 基于光谱分离的长波红外遥感图像恢复方法，涉及长波红外遥感图像恢复技术领域。本发明的提出是为解决现有的长波红外遥感图像空间信噪比低的问题。具体包括：输入受噪声污染的长波红外遥感图像、中波红外图像和对应的可见光近红外遥感图像，并初始化参数；建立基于低秩约束和稀疏约束的中波红外光谱分离模型；引入辅助变量并构造光谱分离模型的代价函数，利用交替方向乘子法分别迭代求解各个辅助变量以及中波红外的辐射和反射分量；循环迭代直至满足收敛条件；获得中波红外的辐射和反射分量；将中波红外的辐射分量输入联合去噪模型，输出修复的长波红外图像。本发明去条带和死线的效果明显，并能恢复损失信息。
-
公开(公告)号：CN108923963B
公开(公告)日：2021-05-25
申请号：CN201810666661.6
申请日：2018-06-25
Applicant: 哈尔滨工业大学
Abstract: 一种利用Looking Glass测量点实现自动化拓扑测量的方法，涉及拓扑测量领域。本发明为了实现高效地并发调度Looking Glass测量点来执行拓扑测量。技术要点：收集已有Looking Glass测量点；测量点配置文件自动生成，其过程为：设计并实现多种规则函数构成规则集；每个Looking Glass测量点自动匹配规则集中合适的规则函数生成对应的配置文件，并且在Looking Glass测量点接口结构发生变化时仍可自动更新配置文件，记录每个测量点配置文件生成过程的日志；高并发执行拓扑测量任务；提取并保存拓扑测量结果。本发明在测量过程中动态监视测量点可用性并自动更新测量点配置文件。
-
公开(公告)号：CN110046674A
公开(公告)日：2019-07-23
申请号：CN201910337636.8
申请日：2019-04-24
Applicant: 哈尔滨工业大学
IPC: G06K9/62
Abstract: 基于反馈结构的高光谱遥感图像分类方法，属于电子信息技术领域，本发明为解决现有高光谱图像分类方法存在分类精度低、训练时间长的问题。本发明在高光谱图像数据上采用支持向量机进行分类；判断分类结果是否满足停止条件，如果是则终止迭代，此时的分类结果为最终分类结果，如果否则生成二值图像块；对二值图像块进行空间滤波；进行反馈，与输入的高光谱图像数据进行堆叠；然后将迭代次数加一，返回重新进行分类，直至终止迭代将分类结果作为最终分类结果。本发明用于遥感技术。
-
公开(公告)号：CN106650681B
公开(公告)日：2019-06-11
申请号：CN201611247606.0
申请日：2016-12-29
Applicant: 哈尔滨工业大学
IPC: G06K9/00
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：CN105631474B
公开(公告)日：2019-01-11
申请号：CN201510990997.4
申请日：2015-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于Jeffries‑Matusita距离和类对决策树的高光谱数据多分类方法，其步骤如下：一、计算两两类别之间的Jeffries‑Matusita距离，得到Jeffries‑Matusita距离矩阵；二、基于总体可分性度量得到执行顺序表，构建类对决策树；三、采用基于Jeffries‑Matusita距离的加权核SVM分类器执行整个类对决策树策略所确定的分类任务，直到完成叶节点的二分类任务，得到最终单一类别属性。本发明通过引入Jeffries‑Matusita距离加权矩阵，使得分类器在训练的过程中充分利用样本的类间信息，且不会造成太大的参数波动。同时在区分单一样本时使用较少的二分类器，且每层“淘汰”了一半了类别，增强了加权分类的针对性，从而将每个子分类器的分类误差进一步降低，提高了分类精度，适用于高光谱数据的模式识别应用。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.031 seconds)
