-
公开(公告)号：CN110702228B
公开(公告)日：2021-06-25
申请号：CN201910912897.8
申请日：2019-09-25
Applicant: 华东师范大学
Abstract: 本发明公开了一种航空高光谱影像的边缘辐射校正方法，属于高光谱影像校正领域，适用于对航空高光谱数据进行边缘辐射畸变的校正，消除由地表二向反射效应以及辐射衰减效应引起的不同条带间的辐射亮度梯度现象，实现多条带，不同成像时间下的高光谱影像边缘校正与影像拼接。其步骤为：a、传感器的实验室测试与辐射定标；b、传感器姿态参数读取与曝光时间校正；c、辐射衰减系数求取；d、BRDF修正系数求取；e、影像的边缘辐射校正。本发明基于构建由传感器视角、传感器姿态、太阳天顶角变化引起的地表二向反射效应以及辐射衰减效应的修正函数，对影像数据进行边缘辐射校正，具有运算量小，精度高等优点，实现航空高光谱影像的边缘辐射畸变的消除。
-
公开(公告)号：CN110992390A
公开(公告)日：2020-04-10
申请号：CN201911127059.6
申请日：2019-11-18
Applicant: 华东师范大学
Abstract: 本发明公开了一种高光谱影像的混合像元分解方法，其特点是采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元。本发明与现有技术相比具有大幅缩减参与端元提取的像素个数，有效的解决了庞大数据量使得许多混合像元分解算法失效问题，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的分解算法。
-
公开(公告)号：CN110717531A
公开(公告)日：2020-01-21
申请号：CN201910925732.4
申请日：2019-09-27
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于不确定性分析和贝叶斯融合的分类后变化类型检测方法，其步骤为：对两时相遥感影像进行图像预处理；获取影像多源特征，采用随机森林方法进行特征选择，并得到差值影像；利用分形网络演化方法，对影像进行多尺度分割及合并优化，得到分割对象；利用ExT集成算法对两时相影像分别分类，得到两时相影像的独立分类概率结果；通过基于最大期望估计（EM）的CVA方法获取训练样本，利用SVM算法，对差值影像进行处理，得到变化范围概率结果；通过两时相影像独立分类概率结果与变化范围概率结果根据不确定性分析和贝叶斯融合得到像素级变化类型检测结果；将分割对象与像素级变化类型检测结果通过类别判定融合得到分类后变化类型检测结果图。
-
公开(公告)号：CN110969088B
公开(公告)日：2023-07-25
申请号：CN201911058683.5
申请日：2019-11-01
Applicant: 华东师范大学
IPC: G06V10/46 , G06V20/13 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法，其特点是该方法包括：两时相遥感影像的预处理；对差值影像进行归一化处理；多尺度分割及合并优化；显著性检测图的获得；建立双窗口深度孪生卷积网络模型及其训练；将分割对象与像素级变化检测结果通过判定融合，最终得到变化检测结果图。本发明将深度学习成功运用到变化检测领域，减少了高分辨率影像变化检测中存在的“椒盐噪声”，有效提高了变化类型检测的精度。
-
公开(公告)号：CN110991493B
公开(公告)日：2023-05-12
申请号：CN201911104291.8
申请日：2019-11-09
Applicant: 华东师范大学
IPC: G06V10/764 , G06V10/80
Abstract: 本发明公开了一种协同表示和异常剔除的高光谱异常检测方法，其特点是采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除，基于协同表示的高光谱异常检测算法，计算线性表示系数并求得残差影像，最后通过设定阈值，将检测值大于阈值的像元标记为异常点，得到异常目标检测结果。本发明与现有技术相比具有提高线性表示的精度和检测精度，有效解决了基于协同表示的高光谱异常检测算法中窗口选择，以及双窗口的异常像元污染背景集问题。
-
Patent Agency Ranking
公开(公告)号：CN110907367B
公开(公告)日：2022-10-04
申请号：CN201911091012.9
申请日：2019-11-09
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于高光谱数据的土壤墒情检测方法，其特点是该方法包括：1）采集在目标区域具有不同质地、理化性质相异的土壤样本；2）构建土壤墒情‑光谱数据库，获取各土壤样本在不同含水量梯度下的光谱数据；3）构建各个土壤样本的含水量‑光谱反射率辐射传输物理模型和预测最优波段；4）根据光谱角度匹配方法，判断待实测光谱所属模型，获取对应的模型参数，输入对应的最佳波段反射率，解算土壤墒情。本发明与现有技术相比具有坚实的物理基础，模型稳定性和精度均大大提高，并具有较强的普适性，尤其适合不同土壤类型的土壤墒情动态监测和广泛运用。
-
公开(公告)号：CN110969088A
公开(公告)日：2020-04-07
申请号：CN201911058683.5
申请日：2019-11-01
Applicant: 华东师范大学
Abstract: 本发明提供了一种基于显著性检测与深度孪生神经网络的遥感影像变化检测方法，其特点是该方法包括：两时相遥感影像的预处理；对差值影像进行归一化处理；多尺度分割及合并优化；显著性检测图的获得；建立双窗口深度孪生卷积网络模型及其训练；将分割对象与像素级变化检测结果通过判定融合，最终得到变化检测结果图。本发明将深度学习成功运用到变化检测领域，减少了高分辨率影像变化检测中存在的“椒盐噪声”，有效提高了变化类型检测的精度。
-
公开(公告)号：CN110907367A
公开(公告)日：2020-03-24
申请号：CN201911091012.9
申请日：2019-11-09
Applicant: 华东师范大学
Abstract: 本发明公开了一种基于高光谱数据的土壤墒情检测方法，其特点是该方法包括：1）采集在目标区域具有不同质地、理化性质相异的土壤样本；2）构建土壤墒情-光谱数据库，获取各土壤样本在不同含水量梯度下的光谱数据；3）构建各个土壤样本的含水量-光谱反射率辐射传输物理模型和预测最优波段；4）根据光谱角度匹配方法，判断待实测光谱所属模型，获取对应的模型参数，输入对应的最佳波段反射率，解算土壤墒情。本发明与现有技术相比具有坚实的物理基础，模型稳定性和精度均大大提高，并具有较强的普适性，尤其适合不同土壤类型的土壤墒情动态监测和广泛运用。
-
公开(公告)号：CN110992390B
公开(公告)日：2023-05-12
申请号：CN201911127059.6
申请日：2019-11-18
Applicant: 华东师范大学
Abstract: 本发明公开了一种高光谱影像的混合像元分解方法，其特点是采用空间预处理及正六边形初始化分割技术，将影像分割为一些光谱相关性和空间相关性均较高的区域，并通过在这些高相关性的区域进行PCA投影，选择在投影轴极值附近位置的像素来选择候选端元。本发明与现有技术相比具有大幅缩减参与端元提取的像素个数，有效的解决了庞大数据量使得许多混合像元分解算法失效问题，为处理大数据量的高光谱遥感影像提供了一个简便、高效率的分解算法。
-
公开(公告)号：CN110991493A
公开(公告)日：2020-04-10
申请号：CN201911104291.8
申请日：2019-11-09
Applicant: 华东师范大学
IPC: G06K9/62
Abstract: 本发明公开了一种协同表示和异常剔除的高光谱异常检测方法，其特点是采用融合全局异常与局部异常的剔除方法对局部背景集中的异常像素进行去除，基于协同表示的高光谱异常检测算法，计算线性表示系数并求得残差影像，最后通过设定阈值，将检测值大于阈值的像元标记为异常点，得到异常目标检测结果。本发明与现有技术相比具有提高线性表示的精度和检测精度，有效解决了基于协同表示的高光谱异常检测算法中窗口选择，以及双窗口的异常像元污染背景集问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.022 seconds)
