-
公开(公告)号：CN113673599B
公开(公告)日：2024-04-12
申请号：CN202110962828.5
申请日：2021-08-20
申请人： 大连海事大学
IPC分类号： G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
摘要： 本发明公开了一种基于校正原型学习的高光谱影像分类方法，包括选取高光谱场景图像，随机提取部分样本作为训练集；随机选出支持集和查询集；搭建深度网络模型，并计算学习度量空间中的初始类原型；搭建带有残差块的卷积神经网络；S4：训练所述深度网络模型；S5：选取测试数据集，从中随机选取监督样本，并对所述监督样本的分布做校正标准化处理；S6：计算测试集样本与所述测试类原型的欧式距离。本发明利用基于校正原型学习的高光谱分类方法对高光谱图像进行分类，通过选取支持集和查询集，避免使用大量的标记样本，节省样本标记成本。与传统原型网络相比，得到了更好的分类精度，在高光谱图像地表精细分类等方面具有重要的应用价值。
-
公开(公告)号：CN117372783A
公开(公告)日：2024-01-09
申请号：CN202311561639.2
申请日：2023-11-21
申请人： 大连海事大学
IPC分类号： G06V10/764 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/74 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/0499 , G06N3/08
摘要： 本发明公开了一种基于中心关注Transformer模型的高光谱影像分类方法与系统，包括，选取高光谱场景图像并进行裁剪，根据裁剪后的高光谱场景图像制作高光谱立方体，并从中随机选取部分裁剪后的高光谱场景图像作为训练集和验证集；构建Transformer模型，所述Transformer模型包括一个预处理模块、四个全局自信息计算层和全局平均池化层；所述预处理模块用于提取输入图像的特征并降低输入图像的通道数；任一全局自信息计算层包括中心像元自关注模块、跨通道全局融合模块与前馈网络层；根据训练集对Transformer模型进行交叉熵分类损失训练和验证，根据验证后的Transformer模型对待分类的高光谱影像进行分类。所提出的方法降低了计算的复杂度和计算代价，提高了高光谱遥感图像的分类精度。
-
公开(公告)号：CN117252896A
公开(公告)日：2023-12-19
申请号：CN202311164980.4
申请日：2023-09-08
申请人： 大连海事大学
摘要： 本发明公开了一种基于有限阶马尔科夫高光谱实时异常检测方法，包括：读取高光谱图像数据，初始化行数；建立行间信息量的有限阶马尔科夫模型，计算当前行i的信息量，以及计算信息量的二阶导数值，判断当前行是异常行还是非异常行；建立高光谱数据像素点的光谱向量相关矩阵R(n)的状态方程，如果是异常行，光谱向量相关矩阵R(n)将新数据替换原始数据的第一行，如果是非异常行，将新数据添加到原始数据中；更新相关矩阵R(n)的逆矩阵R‑1(n)；对高光谱数据进行检测，最后得到高光谱图像实时局部异常检测的结果。本发明实现了对高光谱图像的局部异常检测，避免了高维数据存储和重复计算，并具有较好的局部异常检测效果。
-
公开(公告)号：CN111311696B
公开(公告)日：2023-07-25
申请号：CN202010089208.0
申请日：2020-02-12
申请人： 大连海事大学
摘要： 本发明公开了一种基于高光谱解混技术的车牌真伪检测方法，包括：采用高光谱照相机获取伪造车牌图像将其作为解混目标图像；根据解混目标图像建立线性光谱混合模型；构建目标端元矩阵集合M，其中目标端元矩阵集合M包括当前车牌图像提取到的目标端元集合M1和存储普适真实目标的端元集合M2，结合最小二乘法对给定的目标端元集合M进行解混，获取各端元mi对应的丰度结果图FMapi，设定阈值T，获得各目标端元丰度图FMapi的二值化可视结果BMapi，对二值可视结果BMapi进行优化、获得车牌伪造信息的最终结果FinalMAP。
-
公开(公告)号：CN116437020A
公开(公告)日：2023-07-14
申请号：CN202310415346.7
申请日：2023-04-18
申请人： 大连海事大学
摘要： 本发明提供一种视网膜图像压缩嵌入普通图像的加密方法，包括：首先，利用Sobel算子的边缘检测方法对视网膜图像中的敏感区域进行识别，并对识别出的敏感区域和非敏感区域分别进行无损压缩和有损压缩。压缩后的视网膜图像信息被嵌入到载体图像中。其次，在经典LSB嵌入算法的基础上，首次提出了结合混沌映射的CLSB算法。该算法通过混沌序列确定各元素的嵌入位置。然后对多个载体图像进行联合加密。置乱过程分为两个阶段，每个阶段都伴随着矩阵维数的降低。第一阶段，利用三维曲面函数对三维矩阵进行预排列，并将三维矩阵转换为二维矩阵；第二阶段采用混沌序列对二维矩阵进行索引置乱，得到置乱图像；最后利用经典的加法和模量法进行扩散得到密文图像。
-
公开(公告)号：CN110738171B
公开(公告)日：2023-05-05
申请号：CN201910976493.5
申请日：2019-10-15
申请人： 大连海事大学
IPC分类号： G06V20/13 , G06V10/764
摘要： 本发明公开了一种基于类特征迭代随机采样的高光谱图像谱空分类方法，包括根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，根据各地物平均光谱特征、自相关矩阵的逆矩阵、通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，根据分类图像信息计算相邻两次迭代分类结果的相似性系数，判断所述相似性系数是否已满足迭代分类的截止条件、对融合更新后的数据进行迭代分类。
-
公开(公告)号：CN115795246A
公开(公告)日：2023-03-14
申请号：CN202211313498.8
申请日：2022-10-25
申请人： 大连海事大学
摘要： 本发明公开的一种基于3D谱‑空抗干扰的高光谱解混方法，包括如下步骤：利用高光谱图像提取初始端元和丰度；对高光谱图像数据空间进行转换，重新评价变换域中的各维度的优先级；根据各维度优先级的贡献度进行加权操作；对原始高光谱图像进行超像素分割，将高光谱图像划分为多个近似同质空间；利用超像素设计丰度局部相似约束；根据波段优先级和局部相似约束迭代优化丰度和端元；该方法根据各维度优先级的贡献度进行加权，削弱高阶统计量的贡献，提高低阶统计量的重要度来改善光谱的纯净度，利用超像素来诱导子空间内的结构稀疏性和局部相似性，降低对像素噪声和光谱变异性等干扰的敏感度。
-
公开(公告)号：CN115272106A
公开(公告)日：2022-11-01
申请号：CN202210799112.2
申请日：2022-07-06
申请人： 大连海事大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于局部极值约束的总差分非盲图像去模糊方法，包括：根据图像暗通道定义获得退化图像的暗通道，对暗通道中元素为零的位置赋予一个大于零的极小值，获得退化图像的局部极值；根据退化图像的局部极值与图像局部结构之间的关系，构建局部极值约束，根据局部极值约束强化图像的空间局部结构，构建两种局部极值约束的总差分模型；提出基于局部极值约束的总差分图像去模糊方法，采用该方法恢复图像的固有空间局部结构得到恢复图像。该方法利用图像局部极值强化图像的结构信息，联合总差分模型恢复退化图像，从而有效恢复图像的固有空间局部结构。
-
公开(公告)号：CN114140658A
公开(公告)日：2022-03-04
申请号：CN202111462742.2
申请日：2021-11-26
申请人： 大连海事大学
IPC分类号： G06V10/771 , G06V10/98 , G06V20/10 , G06N3/12 , G06K9/62
摘要： 本发明公开了一种面向目标特性的多目标优化高光谱图像波段选择方法，包括：将高光谱图像波段选择问题转化成一个多目标优化问题，考虑高光谱图像的整体特征，构建具有冲突的信息熵、JS散度和信噪比作为目标函数，同时优化评价波段的三个目标函数，以找到最佳折衷解；采用基于非劣解优势矩阵的选择机制，为寻优提供准确的选择，提升多目标优化问题的可扩展性；利用具有遗传思想的群智能优化方法，实现种群间相互通信，协同优化；结合目标特性选择出表征能力强的波段子集。本发明可以达到对高光谱图像有效降维的目的；面向目标特性的选择Pareto解的方式，可以获得表征能力强的波段子集，具有良好的检测效果，对于高光谱图像波段选择有重要的应用价值。
-
公开(公告)号：CN106408034B
公开(公告)日：2019-11-26
申请号：CN201610905667.5
申请日：2016-10-17
申请人： 大连海事大学
IPC分类号： G06K9/62
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
113 条记录 (耗时 0.035 秒)
