-
公开(公告)号：CN108765382B
公开(公告)日：2022-06-24
申请号：CN201810461103.6
申请日：2018-05-15
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于GPU的丰度估计并行计算方法，包括：通过CPU载入原始高光谱像元数据H以及端元数据M，并将所述原始高光谱像元数据H以及端元数据M发送至GPU显存；CPU调用GPU核函数，基于ROVP算法计算各端元mi的丰度αi；所述GPU将计算结果返回至CPU端，并由CPU端输出。通过上述方案实现了基于CUDA库的ROVP‑C算法和基于CUBLAS库的ROVP‑L算法，与传统的串行算法比较分析可知，本发明提出的算法计算速度快，有效提高了丰度估计运行效率。
-
-
公开(公告)号：CN110033039A
公开(公告)日：2019-07-19
申请号：CN201910286661.8
申请日：2019-04-10
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于目标约束检测的高光谱实时分类方法，本次发明将实时扫描到的像元作为分类数据，利用目标约束检测原理实现实时的高光谱多类别数据分类，其中分类器通过自适应自相关矩阵对背景进行实时抑制，并将检测到的丰度信息融合进分类数据，从而逐步提高分类精度。采用本发明方法完成的高光谱实时分类结果比全部像元进行背景抑制的分类结果效果更好，速度更快。
-
公开(公告)号：CN108765259A
公开(公告)日：2018-11-06
申请号：CN201810463888.0
申请日：2018-05-15
Applicant: 大连海事大学
IPC: G06T1/20
Abstract: 本发明公开了一种基于GPU的高光谱图像RATGP和ROSP并行优化方法，其中，该方法包括：采用基于GPU的RATGP算法进行端元提取；采用基于GPU的ROSP算法进行丰度估计。其中基于GPU的RATGP算法，通过递归形式进行计算，不需要复杂的矩阵求逆的计算过程，将算法中大规模的矩阵计算转化成在GPU中并行计算，在保证精度的同时，大大增加算法的效率。基于GPU的ROSP算法在实时高光谱解混处理中，使得期望解混的端元信号会逐步增强，更加满足高光谱遥感图像丰度估计的实时性需求，实现了保证精度的同时大大提升算法的效率。
-
公开(公告)号：CN108445009A
公开(公告)日：2018-08-24
申请号：CN201810183403.2
申请日：2018-03-06
Applicant: 大连海事大学
Abstract: 本发明公开了一种太阳能电池板裂纹检测方法，包括：采集太阳能电池板图像；采用水平垂直投影将所述太阳能板图像分割成多个单片，根据所述单片断栅的水平投影将所述单片分割为多个块；基于拉普拉斯金字塔对所述块进行分解，采用canny算法对分解后的块进行边缘检测，得到电池板裂纹的特征；对所述裂纹的特征去噪处理；根据去噪后的裂纹特征确定所述块上裂纹的位置。拉普拉斯金字塔算法，边缘检测的结果更加平滑完整，并且可以有效地去除部分噪声的影响。提高了检测的准确率。
-
Patent Agency Ranking
公开(公告)号：CN110378294B
公开(公告)日：2022-08-19
申请号：CN201910663298.7
申请日：2019-07-22
Applicant: 大连海事大学
Abstract: 本发明实施例公开了一种基于局部能量约束与特征融合的高光谱目标检测方法及系统，其包括：获取高光谱图像数据集中的各个像元所对应的信号含量图像；提取各个像元所对应的空间特征并构造关于目标地物的空间特征的图像；基于丰度阈值提取局部强化光谱特征；获取归一化后的空间特征矩阵并该空间特征矩阵的归一化空间特征与待检测图像进行融合以获取对应的融合特征；将局部强化光谱特征与融合特征进行特征融合以获取带有局部特征约束的图像；确定带有局部特征约束的图像中的非零信号所构成的集合并获取最局部能量约束检测因子；对待检测高光谱图像进行目标检测。本发明提高了检测精度，还在一定程度上克服了高光谱检测中常见的“同谱异物”现象。
-
公开(公告)号：CN110378294A
公开(公告)日：2019-10-25
申请号：CN201910663298.7
申请日：2019-07-22
Applicant: 大连海事大学
Abstract: 本发明实施例公开了一种基于局部能量约束与特征融合的高光谱目标检测方法及系统，其包括：获取高光谱图像数据集中的各个像元所对应的信号含量图像；提取各个像元所对应的空间特征并构造关于目标地物的空间特征的图像；基于丰度阈值提取局部强化光谱特征；获取归一化后的空间特征矩阵并该空间特征矩阵的归一化空间特征与待检测图像进行融合以获取对应的融合特征；将局部强化光谱特征与融合特征进行特征融合以获取带有局部特征约束的图像；确定带有局部特征约束的图像中的非零信号所构成的集合并获取最局部能量约束检测因子；对待检测高光谱图像进行目标检测。本发明提高了检测精度，还在一定程度上克服了高光谱检测中常见的“同谱异物”现象。
-
公开(公告)号：CN109492565A
公开(公告)日：2019-03-19
申请号：CN201811280802.7
申请日：2018-10-30
Applicant: 大连海事大学
IPC: G06K9/00
Abstract: 本发明提供一种基于FPGA的递进式正交子空间投影高光谱目标检测系统，至少包括：控制状态转换以实现高光谱目标检测的状态机模块、控制各个模块的开始/结束标志位、参数数据的地址和使能信号，提取数据并传送至数据运算模块运算的地址产生模块、输入所述地址产生模块产生的数据的数据输入模块、存储输入数据的数据存储模块以及对所述输入数据进行运算的数据运算模块。本发明通过ROSP循环递归的算法实时检测目标，利于硬件实现，很好的标记了目标所在位置。同时本发明采用FPGA，完成数量大、运算量大的高光谱图像数据的处理，实时性好、集成度高，具有不可替代的优势。
-
公开(公告)号：CN109409300A
公开(公告)日：2019-03-01
申请号：CN201811279513.5
申请日：2018-10-30
Applicant: 大连海事大学
Abstract: 本发明提供一种基于FPGA的高光谱目标检测OSP算法的实现系统至少包括：数据输入模块，输入高光谱图像数据；储存模块，所述数据输入模块输入后的高光谱图像数据；矩阵相乘子模块，对所述输入后的高光谱图像数据；矩阵求逆模块，投影计算模块，将像元向量投影到正交于干扰特征的子空间上，消除冗杂信号，再将剩余的信号投影到待识别的特征上；所述投影计算模块至少包括：矩阵相乘子模块及矩阵减法子模块；结果计算模块，计算待检测目标的位置并显示；以及数据输出模块。本发明采用OSP算法抑制背景特征光谱对信号的影响，另一方面在考虑到各种噪声的情况下最大化的将信号提取出来,运算速度快，执行效率好。
-
公开(公告)号：CN106408034A
公开(公告)日：2017-02-15
申请号：CN201610905667.5
申请日：2016-10-17
Applicant: 大连海事大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空间特征迭代的高光谱图像分类方法，根据高光谱样本数据计算出地物类别的光谱签名di；并设置类别目标集合、背景端元集合及颜色约束矩阵；利用高光谱图像的背景端元U、约束矩阵C及图像自相关逆矩阵R-1定义一个能同时进行多类别分类的分类器Tk，并提取所有类别目标的初始分类结果，同时提取每种类别目标分类结果的空间特征{Tk(iG)}，接着把空间特征{Tk(iG)}反馈叠加到待分类的高光谱图像中进行空间特征与谱间特征的融合；再通过迭代的方式进行多类别的同时分类，直到达到设定的迭代停止条件；最后把分类结果采用不同颜色进行标注。本方法有效利用光谱统计特征与迭代空间特征相融合的方式进行高光谱图像类别特征判断，逐步提高高光谱图像分类的准确度。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.026 seconds)
