-
公开(公告)号：CN108647719A
公开(公告)日：2018-10-12
申请号：CN201810441780.1
申请日：2018-05-10
Applicant: 北京航空航天大学
IPC: G06K9/62
Abstract: 本发明公开了一种用于大数据量光谱遥感图像分类的非监督聚类方法。将原始数据划分为若干数据块，通过峰值密度搜索方法得到各数据子块的聚类中心；将聚类中心重新分成若干数据块，通过峰值密度搜索方法再次聚类，减少聚类中心数；重复分块-聚类过程至可以用一个二维矩阵表征任意两个聚类中心的相似度，进而得到最终的分类结果。本发明方法的优势在于：适用性好，不仅可以用于谱段数较多的高光谱遥感图像分类，也适用于谱段数较少的多光谱遥感图像或谱段选择后的高光谱遥感图像分类；运算效率较高，分块处理减少了相似度矩阵的计算冗余，且由于各数据块的聚类处理相互独立，可采用并行处理加快分类速率。
-
公开(公告)号：CN105953921A
公开(公告)日：2016-09-21
申请号：CN201610237078.4
申请日：2016-04-15
Applicant: 北京航空航天大学
IPC: G01J5/00
CPC classification number: G01J5/007 , G01J2005/0077
Abstract: 本发明公开了一种气溶胶参数差异条件下对地观测辐射图像的快速仿真方法，包括：步骤1：选定标准气溶胶廓线参数；步骤2：查表法反演场景中各像素单元的气溶胶参数；步骤3：查询各像元对应的真实地表高程信息；步骤4：计算各像元的消光系数等效地表高度；步骤5：二流近似方法求解辐射传输方程，得到各类辐射的辐射矩阵；步骤6：获得各像元的光谱特性信息；步骤7：辐射矩阵插值方法仿真对地观测辐射图像。本发明图像仿真速度快，与传统方法相比，相同平台下仿真计算速度可提高10‑20倍；该方法的通用性好：所提出的仿真方法不受场景中气溶胶参数设定方法的限制，既适用于仿真真实在轨传感器的观测图像，也适用于仿真想定观测场景的红外辐射图像。
-
公开(公告)号：CN112434642B
公开(公告)日：2022-11-11
申请号：CN202011418779.0
申请日：2020-12-07
Applicant: 北京航空航天大学
IPC: G06V20/13 , G06V10/762 , G06V10/764 , G06V10/26 , G06T7/11 , G06T7/187 , G06T7/62
Abstract: 本发明提出一种适用于处理大场景光学遥感数据的海陆分割方法。该方法包括：首先，对单色或多色谱段光学遥感数据进行预处理，得到像素单元幅值的概率密度曲线。随后通过求解曲线局域峰值位置确定初始类别中心，并标记海域像素单元初始幅值。采用峰值聚类方法对像素单元幅值进行聚类，得到地物分类结果。接着选取海域像素单元初始幅值所属类别，获得海域检测初步结果图。最后，筛选出海域检测初步结果图中面积高于阈值的连通区域，并它们进行填充处理，从而得到最终的海域检测结果图。对有云场景单色与三色谱段遥感数据的处理结果，展示了本发明方法具有较好的复杂场景及数据源适用性。
-
公开(公告)号：CN112464849B
公开(公告)日：2022-11-08
申请号：CN202011419947.8
申请日：2020-12-07
Applicant: 北京航空航天大学
Abstract: 本发明提出一种星载光学遥感图像中驻泊舰船目标检测方法。该方法包括：首先利用局域密度峰值搜索方法对原遥感图像进行分类处理，得到海域掩膜图像及海岸线轮廓图。随后统计海岸线像素单元附近海域像素单元数目，得到局域密度。将局域密度局部极小值视为可能的舰船与海岸的交汇点。利用判别依据连接特定的交汇点，连接线与海岸线形成的闭合区域为可能的舰船。通过图形学方法对闭合区域进行填充，并利用形态学特征排除虚警，得到最终的舰船检测结果图。全色谱段图像舰船目标检测结果，说明了本发明方法具有良好的适用性及可拓展性。
-
公开(公告)号：CN112632062B
公开(公告)日：2022-05-31
申请号：CN202011418762.5
申请日：2020-12-07
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种用于信号失真补偿的太赫兹频段大气传输特性建库方法，解决了太赫兹信号大气传输失真补偿问题，该方法先由大气传输理论推导太赫兹频段气体吸收与相移系数计算公式。随后利用公式计算相同大气条件下，不同气体成分的太赫兹频段吸收与相移系数，确定主要贡献成分。接着，分析气象条件与大气成分参数之间的关系，确定数据库变量。最后，选取变量组合计算大气吸收与相移系数，建立数据库。本发明方法的优势在于：具有普适性，利用数据库匹配查找方法补偿失真信号，不受限于测量时的大气条件；通过匹配理论曲线与实测曲线可以实现大气条件参数反演，进而补偿失真信号。
-
Patent Agency Ranking
公开(公告)号：CN112632062A
公开(公告)日：2021-04-09
申请号：CN202011418762.5
申请日：2020-12-07
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种用于信号失真补偿的太赫兹频段大气传输特性建库方法，解决了太赫兹信号大气传输失真补偿问题，该方法先由大气传输理论推导太赫兹频段气体吸收与相移系数计算公式。随后利用公式计算相同大气条件下，不同气体成分的太赫兹频段吸收与相移系数，确定主要贡献成分。接着，分析气象条件与大气成分参数之间的关系，确定数据库变量。最后，选取变量组合计算大气吸收与相移系数，建立数据库。本发明方法的优势在于：具有普适性，利用数据库匹配查找方法补偿失真信号，不受限于测量时的大气条件；通过匹配理论曲线与实测曲线可以实现大气条件参数反演，进而补偿失真信号。
-
公开(公告)号：CN112464849A
公开(公告)日：2021-03-09
申请号：CN202011419947.8
申请日：2020-12-07
Applicant: 北京航空航天大学
Abstract: 本发明提出一种星载光学遥感图像中驻泊舰船目标检测方法。该方法包括：首先利用局域密度峰值搜索方法对原遥感图像进行分类处理，得到海域掩膜图像及海岸线轮廓图。随后统计海岸线像素单元附近海域像素单元数目，得到局域密度。将局域密度局部极小值视为可能的舰船与海岸的交汇点。利用判别依据连接特定的交汇点，连接线与海岸线形成的闭合区域为可能的舰船。通过图形学方法对闭合区域进行填充，并利用形态学特征排除虚警，得到最终的舰船检测结果图。全色谱段图像舰船目标检测结果，说明了本发明方法具有良好的适用性及可拓展性。
-
公开(公告)号：CN105953921B
公开(公告)日：2018-11-06
申请号：CN201610237078.4
申请日：2016-04-15
Applicant: 北京航空航天大学
IPC: G01J5/00
Abstract: 本发明公开了一种气溶胶参数差异条件下对地观测辐射图像的快速仿真方法，包括：步骤1：选定标准气溶胶廓线参数；步骤2：查表法反演场景中各像素单元的气溶胶参数；步骤3：查询各像元对应的真实地表高程信息；步骤4：计算各像元的消光系数等效地表高度；步骤5：二流近似方法求解辐射传输方程，得到各类辐射的辐射矩阵；步骤6：获得各像元的光谱特性信息；步骤7：辐射矩阵插值方法仿真对地观测辐射图像。本发明图像仿真速度快，与传统方法相比，相同平台下仿真计算速度可提高10‑20倍；该方法的通用性好：所提出的仿真方法不受场景中气溶胶参数设定方法的限制，既适用于仿真真实在轨传感器的观测图像，也适用于仿真想定观测场景的红外辐射图像。
-
公开(公告)号：CN117994580B
公开(公告)日：2024-11-12
申请号：CN202410143130.4
申请日：2024-02-01
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V20/13 , G06V10/14 , G06V10/74
Abstract: 本发明提供一种成像仿真模型数据驱动的星载光学遥感图像云层检测方法，涉及光学遥感图像差异性检测及目标探测识别领域，首先根据光学传感器获取遥感图像的相关信息参数，采用基于物理机理的成像仿真模型生成相同观测场景的无云仿真图像，并根据实测场景的光照情况校准仿真图像亮度值。随后通过逐像素单元计算仿真与实测图像的局部结构相似度生成图像。最后设置相似度阈值，判定低于阈值的像素单元为云层，得到检测结果图。对风云4B和Aqua卫星图像的云层检测示例说明了本发明方法的有效性和适用性。
-
公开(公告)号：CN118115800A
公开(公告)日：2024-05-31
申请号：CN202410269145.5
申请日：2024-03-11
Applicant: 北京航空航天大学
IPC: G06V10/764 , G06V10/774 , G06V10/80
Abstract: 本发明公开了一种基于特征融合与增量分类器和表示学习(Incremental Classifier and Representation Learning,iCaRL)的SAR目标增量识别方法，包括，S1、利用基类SAR数据进行基类训练；S2、利用新类SAR数据进行增量训练；S3、将待测试SAR图像输入完成训练的网络中，得到分类预测结果。本发明将SAR图像的深度学习抽象特征和其方向梯度直方图(Histogram of Oriented Gradients,HOG)特征这一传统手工进行自适应融合，利用增量分类器和表示学习(Incremental Classifier and Representation Learning,iCaRL)这一增量学习方法进行SAR目标增量识别，并在增量训练过程中采用参数冻结策略，缓解了增量学习过程中的灾难性遗忘问题，提高了SAR目标增量识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.033 seconds)
