-
公开(公告)号：CN115457286B
公开(公告)日：2024-09-24
申请号：CN202211235788.5
申请日：2022-10-10
Applicant: 无锡学院
IPC: G06F17/16 , G06V10/32 , G06V10/25 , G06V10/42 , G06V10/44 , G06V10/50 , G06V10/58 , G06V10/60 , G06V10/80
Abstract: 本发明公开了一种基于全局和局部光谱加权的高光谱图像序列降维方法，载入高光谱图像序列中的第t帧高光谱图像，并对第t帧高光谱图像进行灰度归一化得到归一化后第t帧高光谱图像，确定归一化后第t帧高光谱图像的目标区域Tt；确定所述归一化后第t帧高光谱图像的目标区域Tt的第i个波段图像Tit的光谱平均值；根据所述Tt的第i个波段图像Tit的光谱平均值确定归一化后第t帧高光谱图像的目标区域Tt的全局光谱；确定Tt的局部光谱；将所述Tt的全局光谱与局部光谱加权融合成最终光谱；根据所述最终光谱确定降维之后的高光谱图像；依次载入高光谱图像序列中的所有帧高光谱图像完成高光谱图像序列降维。
-
公开(公告)号：CN116228524A
公开(公告)日：2023-06-06
申请号：CN202310113352.7
申请日：2023-02-14
Applicant: 无锡学院
IPC: G06T3/00
Abstract: 本发明公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像并且确定第1帧高光谱图像中的选定局部区域通过中每个像素的光谱曲线确定最大、最小光谱曲线Cmax、Cmin；确定中第i个像素在16个波段上的灰度平均值通过获得中第i个像素的去均值光谱曲线Ci；确定光谱差异图通过确定第t帧高光谱图像第b个波段第i个像素的量化偏差通过确定第t帧高光谱图像16个波段的总差异图通过确定重构总差异图通过确定的降维结果图K；通过K获得降维结果重复上述步骤，依次处理高光谱图像序列中每一帧高光谱图像获得高光谱图像序列降维结果。
-
公开(公告)号：CN116128925B
公开(公告)日：2025-03-14
申请号：CN202310086475.6
申请日：2023-02-09
Applicant: 无锡学院
IPC: G06T7/246
Abstract: 本发明公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Zt和#imgabs0#根据双孪生网络以第一帧和相邻帧为模板图像，第t帧为搜索图像，分别提取它们降维后图像的深度特征，将模板图像与搜索图像的特征俩俩朴素相关，获得初始响应图R1和相邻响应图#imgabs1#采用自适应权重w1和w2将俩个响应图融合获得融合响应图#imgabs2#分别对其进行置信度确定和尺度估计并获得当前帧高光谱图像的跟踪目标，再依据置信度确定来判断是否让第t帧的相邻帧高光谱图像对第t帧高光谱图像进行更新。
-
公开(公告)号：CN116128925A
公开(公告)日：2023-05-16
申请号：CN202310086475.6
申请日：2023-02-09
Applicant: 无锡学院
IPC: G06T7/246
Abstract: 本发明公开了基于自适应权重和置信度的高光谱图像目标跟踪方法，获得归一化后第一帧、第t帧和相邻帧高光谱图像，再通过主成分分析法对图像降维分别获得三张单波段的灰度图像Z1、Zt和根据双孪生网络以第一帧和相邻帧为模板图像，第t帧为搜索图像，分别提取它们降维后图像的深度特征，将模板图像与搜索图像的特征俩俩朴素相关，获得初始响应图R1和相邻响应图采用自适应权重w1和w2将俩个响应图融合获得融合响应图分别对其进行置信度确定和尺度估计并获得当前帧高光谱图像的跟踪目标，再依据置信度确定来判断是否让第t帧的相邻帧高光谱图像对第t帧高光谱图像进行更新。
-
公开(公告)号：CN115457286A
公开(公告)日：2022-12-09
申请号：CN202211235788.5
申请日：2022-10-10
Applicant: 无锡学院
Abstract: 本发明公开了一种基于全局和局部光谱加权的高光谱图像序列降维方法，载入高光谱图像序列中的第t帧高光谱图像，并对第t帧高光谱图像进行灰度归一化得到归一化后第t帧高光谱图像，确定归一化后第t帧高光谱图像的目标区域Tt；确定所述归一化后第t帧高光谱图像的目标区域Tt的第i个波段图像Tit的光谱平均值；根据所述Tt的第i个波段图像Tit的光谱平均值确定归一化后第t帧高光谱图像的目标区域Tt的全局光谱；确定Tt的局部光谱；将所述Tt的全局光谱与局部光谱加权融合成最终光谱；根据所述最终光谱确定降维之后的高光谱图像；依次载入高光谱图像序列中的所有帧高光谱图像完成高光谱图像序列降维。
-
Patent Agency Ranking
公开(公告)号：CN116228524B
公开(公告)日：2023-12-22
申请号：CN202310113352.7
申请日：2023-02-14
Applicant: 无锡学院
IPC: G06T3/00
Abstract: 谱图像获得高光谱图像序列降维结果。本发明公开了一种基于光谱差异的高光谱图像序列降维方法,载入的高光谱图像序列中的第1、t帧高光谱图像进行灰度归一化，分别获得归一化后的第1、t帧高光谱图像 并且确定第1帧高光谱图像 中的选定局部区域通过 中每个像素的光谱曲线确定最大、最小光谱曲线Cmax、Cmin；确定 中第i个像素在16个波段上的灰度平均值 通过获得 中第i个像素的去均值光谱曲线Ci；确定光谱差异图 通过 确定第t帧高光谱图像第b个波段第i个像素的量化偏差 通过确定第t帧高光谱图像16个波段的总差异图通过 确定重构总差异图 通过 确定(56)对比文件何高攀;杨桄;孟强强;熊翔.采用NSCT分解和主成分分析的高光谱异常检测.自动化与仪器仪表.2015,(05期),全文.葛亮;王斌;张立明.基于偏最小二乘法的高光谱图像波段选择.计算机辅助设计与图形学学报.2011,(11期),全文.
-
公开(公告)号：CN115345909B
公开(公告)日：2023-01-24
申请号：CN202211271914.2
申请日：2022-10-18
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度空间光谱卷积融合特征的高光谱目标跟踪方法，确定归一化后的第t帧高光谱图像的目标区域Tt和搜索区域St；将Tt进行降维得到Xp；提取Xp的深度特征E；确定搜索区域x、y、z方向的边缘特征；确定融合后的三维边缘特征、深度空间光谱卷积融合特征Z、八邻域的干扰因子；获得排序前四个干扰因子和其对应的背景区域；确定对应的抑制权重以及滤波器模板；输入第t+1帧图像，以第t帧目标区域为基础，生成不同尺度的目标区域，并且将其输入，提取特征送入滤波器，得到响应值，将响应值最高的尺度确定为当前帧的目标尺度并跟新滤波器；依次读入高光谱图像序列内每一帧高光谱图像完成目标跟踪。
-
公开(公告)号：CN116091545A
公开(公告)日：2023-05-09
申请号：CN202310060920.1
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了基于深度光谱级联纹理特征的高光谱视频目标跟踪方法，获得第t帧高光谱图像局部区域的光谱曲线，将未知区域像素的光谱曲线与局部区域的光谱曲线做差，将图像分割为目标区域与背景区域，导入第t+1帧，获得搜索区域每个像素点的光谱曲线，对其进行降维处理得到降维后一波段图像，提取该图像的深度特征与纹理特征，根据图像信噪比曲线获得每个光谱通道的权重，与对应纹理特征相乘进而获得光谱级联特征，将其覆盖上设置好的掩膜，获得光谱级联纹理预测特征，将其与深度特征进行逐像素卷积获得深度平均光谱级联纹理特征Uk，将第一帧图像的Uk送入DCF滤波器训练好模板，将t+1帧图像的Uk送入滤波器模板获得响应图，根据分布策略估计目标尺度，确定预测框位置，获得跟踪的目标。
-
公开(公告)号：CN116012403A
公开(公告)日：2023-04-25
申请号：CN202310079879.2
申请日：2023-01-13
Applicant: 无锡学院
Abstract: 本发明公开了一种基于目标和背景分割的高光谱图像序列降维方法，确定归一化后第t帧高光谱图像的目标局部区域Lt和搜索区域St；确定光谱平均值；确定局部光谱曲线Cl，并确定局部光谱平均值Cli；利用St减去Lt获得未知区域Rt；确定Rt内的未知像素的光谱曲线Cu，并确定灰度值Cuij；利用Cuij减去Cli获得误差εij；利用误差εij和灰度阈值β确定问题波段，并统计问题波段的数量；将问题波段数量小于带宽阈值η的像素标记为目标像素，并将目标像素的集合定义为目标区域Ot；计算Ot的目标平均光谱曲线Co，并确定目标平均光谱值Coi，载入第t+1帧搜索区域St+1，获得St+1上各像素点的光谱曲线Cs，并确定光谱值Csi；计算Csi和Coi的欧氏距离Dj，Dj即为降维后St+1上各像素点的灰度值，依次处理高光谱图像序列中的每一帧高光谱图像序列。
-
公开(公告)号：CN115345909A
公开(公告)日：2022-11-15
申请号：CN202211271914.2
申请日：2022-10-18
Applicant: 无锡学院
Abstract: 本发明公开了一种基于深度空间光谱卷积融合特征的高光谱目标跟踪方法，确定归一化后的第t帧高光谱图像的目标区域Tt和搜索区域St；将Tt进行降维得到Xp；提取Xp的深度特征E；确定搜索区域x、y、z方向的边缘特征；确定融合后的三维边缘特征、深度空间光谱卷积融合特征Z、八邻域的干扰因子；获得排序前四个干扰因子和其对应的背景区域；确定对应的抑制权重以及滤波器模板；输入第t+1帧图像，以第t帧目标区域为基础，生成不同尺度的目标区域，并且将其输入，提取特征送入滤波器，得到响应值，将响应值最高的尺度确定为当前帧的目标尺度并跟新滤波器；依次读入高光谱图像序列内每一帧高光谱图像完成目标跟踪。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.026 seconds)
