-
公开(公告)号：CN101109818A
公开(公告)日：2008-01-23
申请号：CN200610103254.1
申请日：2006-07-20
Applicant: 中国科学院自动化研究所
IPC: G01S17/89
Abstract: 本发明公开一种大面幅遥感影像高精度控制点自动选择方法，提出的拟合重采样控制点自动选择方法是：对一定大小的子图像进行高精度拟合配准，然后从配准的子图像中重新采样作为大面幅影像的控制点。其最大优点是，最终的控制点不是采用传统方法来直接检测，而是采用间接方法来实现的，避免了传统方法直接提取高精度控制点的困难，同时可以方便地调整最终控制点的分布。本发明对大量实验结果，采用多种不同的精度评价方法进行分析和比较，结果表明，所选择的控制点可以达到子像素级精度，是一种切实可行的并具有很强鲁棒性的控制点选择方法。
-
Patent Agency Ranking
公开(公告)号：CN100476867C
公开(公告)日：2009-04-08
申请号：CN200610103258.X
申请日：2006-07-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别，公开一种基于机器学习的图像配准自动检验方法；该方法主要包括以下几个部分：采用相位相关图作为样本数据；利用相位相关图构造特征数据；通过分类器对特征数据进行分类，根据分类结果进行配准检验。本发明中采用有监督的机器学习方法设计分类器，并用该分类器来自动检验图像的配准结果。对400组不同图像在不同干扰下进行了配准实验，结果显示，正确检验率为100%。100%的正确率说明了这种基于分类器的图像配准检验方法是非常鲁棒的。
-
公开(公告)号：CN101110103A
公开(公告)日：2008-01-23
申请号：CN200610103258.X
申请日：2006-07-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉和模式识别，公开一种基于机器学习的图像配准自动检验方法；该方法主要包括以下几个部分：采用相位相关图作为样本数据；利用相位相关图构造特征数据；通过分类器对特征数据进行分类，根据分类结果进行配准检验。本发明中采用有监督的机器学习方法设计分类器，并用该分类器来自动检验图像的配准结果。对400组不同图像在不同干扰下进行了配准实验，结果显示，正确检验率为100％。100％的正确率说明了这种基于分类器的图像配准检验方法是非常鲁棒的。
-
公开(公告)号：CN1841409A
公开(公告)日：2006-10-04
申请号：CN200510062745.1
申请日：2005-03-28
Applicant: 中国科学院自动化研究所
IPC: G06K9/80
Abstract: 一种基于Fourier－Mellin变换的遥感图像粗定位方法，涉及遥感技术领域，其步骤包括：(1)匹配前的预处理，包括从遥感影像中提取短曲线c和获得参考曲线C；(2)将短曲线c转化为二值图像，记为a；(3)按照一定的步长和规则，在长曲线C上选取所有的候选曲线ci，每段ci对应的二值图像记为bi；(4)依次将bi与a组成匹配对计算他们之间的变换参数(αi，si，x0i，y0i)；(5)将c通过变换参数(αi，si，x0i，y0i)进行反变换得到c′i，计算c′i与ci之间的Hausdorff距离Hi；(6)Hmin＝min{Hi}所对应的c*就是c在C上的匹配段，从而确定了遥感影像的粗略地理位置。
-
公开(公告)号：CN100587518C
公开(公告)日：2010-02-03
申请号：CN200610103254.1
申请日：2006-07-20
Applicant: 中国科学院自动化研究所
IPC: G01S17/89
Abstract: 本发明公开一种大面幅遥感影像高精度控制点自动选择方法，提出的拟合重采样控制点自动选择方法是：对一定大小的子图像进行高精度拟合配准，然后从配准的子图像中重新采样作为大面幅影像的控制点。其最大优点是，最终的控制点不是采用传统方法来直接检测，而是采用间接方法来实现的，避免了传统方法直接提取高精度控制点的困难，同时可以方便地调整最终控制点的分布。本发明对大量实验结果，采用多种不同的精度评价方法进行分析和比较，结果表明，所选择的控制点可以达到子像素级精度，是一种切实可行的并具有很强鲁棒性的控制点选择方法。
-
公开(公告)号：CN100342392C
公开(公告)日：2007-10-10
申请号：CN200510062745.1
申请日：2005-03-28
Applicant: 中国科学院自动化研究所
IPC: G06K9/80
Abstract: 一种基于Fourier-Mellin变换的遥感图像粗定位方法，涉及遥感技术领域，其步骤包括：(1)匹配前的预处理，包括从遥感影像中提取短曲线c和获得参考曲线C；(2)将短曲线c转化为二值图像，记为a；(3)按照一定的步长和规则，在长曲线C上选取所有的候选曲线ci，每段ci对应的二值图像记为bi；(4)依次将bi与a组成匹配对计算他们之间的变换参数(αi，si，x0i，y0i)；(5)将c通过变换参数(αi，si，x0i，y0i)进行反变换得到ci′，计算ci′与ci之间的Hausdorff距离Hi；(6)Hmin＝min{Hi}所对应的c*就是c在C上的匹配段，从而确定了遥感影像的粗略地理位置。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
