-
Patent Agency Ranking
公开(公告)号：CN115205713A
公开(公告)日：2022-10-18
申请号：CN202210566648.X
申请日：2022-05-23
Applicant: 中北大学
Abstract: 本发明公开了一种无人机遥感图像阴影下地物颜色与纹理细节恢复方法。该方法首先将无人机图像分割成块作为最小处理单元；其次，构造新的阴影检测指数(SDI)对阴影进行增强，并利用阈值分割得到阴影掩模；然后，利用激光雷达强度和高程信息提取同质区域。最后，匹配阴影/非阴影区的同质区域并利用光照补偿与灰度差值相结合的方法恢复阴影区缺失信息。本发明克服了现有方法因同质阴影/非阴影对匹配不精确而导致阴影区景物与真实地物色彩异质性显著的问题，在不干扰图像非阴影区域特征信息的前提下，恢复了阴影区景物的颜色和纹理信息，恢复后图像无明显阴影边界，本发明方法主要用于（但不限于）无人机遥感图像阴影区景物的颜色与纹理信息恢复。
-
公开(公告)号：CN114092418A
公开(公告)日：2022-02-25
申请号：CN202111311953.6
申请日：2021-11-08
Applicant: 中北大学
IPC: G06T7/00 , G06T7/11 , G06T7/136 , G06T7/155 , G06T7/90 , G06V20/17 , G06V20/68 , G06V10/25 , G06V10/26
Abstract: 本发明涉及农田环境下遥感影像的阴影区域检测方法，具体为农田作物无人机影像的阴影检测方法，解决现有阴影检测算法在复杂农田场景下难以提取不规则、碎片化阴影的问题。结合无人机影像的阴影/非阴影区颜色特性，利用双通道差值和G波段增强构造新型灰度图，使用最大类间方差法对灰度图进行自动阈值分割，获取阴影检测结果。以航摄获取的无人机影像进行实验，结果表明，所提方法检测结果更接近真实阴影，平均总体精度为0.9868，平均F1分数为0.9567。
-
公开(公告)号：CN113850823B
公开(公告)日：2024-09-27
申请号：CN202111105035.8
申请日：2021-09-18
Applicant: 中北大学
Abstract: 本发明公开了一种基于不同特征自动分割的树木提取方法。通过数据预处理从原始点云数据中删除高离群点和低离群点；将预处理后的点云数据以栅格格式逐点内插建立DSM，调整其分辨率大小，使其与航空正射影像一致；将航空正射影像数据反射光谱的归一化差异植被指数（NDVI）和激光雷达DSM数据的局部熵值结合在一起，作为树木提取特征；利用光照区域、阴影区域分离和直方图减法思想对树木区域进行提取，形成一种无需样本训练和迭代的高效树木提取算法。可应用于森林树种分类及生长状态监测，地物类别检测和三维城市建模等领域。
-
公开(公告)号：CN115526795A
公开(公告)日：2022-12-27
申请号：CN202211162907.9
申请日：2022-09-23
Applicant: 中北大学
Abstract: 本发明涉及无人机遥感图像的阴影补偿技术，具体为一种基于区域匹配和颜色迁移的无人机图像阴影补偿方法。通过Mean‑shift算法进行同质子区域分割，得到同质子区域集合；建立参考区域搜索与匹配模型，对无人机图像分割后的同质子区域进行搜索与匹配；通过权重设置，构造基于保持细节的局部颜色迁移，利用匹配组合中参考区域信息对该阴影子区域进行本影补偿，对半影区域进行逐像元宽度补偿。本发明克服已有方法无法同时兼顾颜色与纹理补偿导致阴影区域颜色失真、纹理模糊的缺陷。在保证不干扰图像非阴影区域特征信息的前提下，准确恢复了阴影区域的颜色和纹理信息，并有效消除阴影边界效应。本发明方法主要用于（但不限于）遥感图像阴影区域信息补偿。
-
公开(公告)号：CN113850823A
公开(公告)日：2021-12-28
申请号：CN202111105035.8
申请日：2021-09-18
Applicant: 中北大学
Abstract: 本发明公开了一种基于不同特征自动分割的树木提取方法。通过数据预处理从原始点云数据中删除高离群点和低离群点；将预处理后的点云数据以栅格格式逐点内插建立DSM，调整其分辨率大小，使其与航空正射影像一致；将航空正射影像数据反射光谱的归一化差异植被指数（NDVI）和激光雷达DSM数据的局部熵值结合在一起，作为树木提取特征；利用光照区域、阴影区域分离和直方图减法思想对树木区域进行提取，形成一种无需样本训练和迭代的高效树木提取算法。可应用于森林树种分类及生长状态监测，地物类别检测和三维城市建模等领域。
-
-
-
-
Search Results
5
records
(took 0.024 seconds)
