-
公开(公告)号：CN102411782A
公开(公告)日：2012-04-11
申请号：CN201110339293.2
申请日：2011-11-01
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明提供的是一种高光谱遥感图像三层彩色可视化方法。首先利用全波段图像融合实现高空间分辨率的三通道空间信息彩色可视化图像；同时利用光谱解混结果，显示裂片纹理层以及基于空间相关性的饼图矩阵层，以显示局部及具体光谱信息；最终以空间信息层、显示裂片纹理层、饼图矩阵层三层组合形式表达高光谱图像。本方法生成的图像具有良好的特征独立性和视觉直观性，并能够避免颜色表达上的混乱。本方法对多种类别可同时或单独显示，也可对目标物体突出显示，以满足不同的观察需要。
-
公开(公告)号：CN101794443B
公开(公告)日：2012-03-14
申请号：CN201010101804.2
申请日：2010-01-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于线性最小二乘支持向量机的高光谱图像端元选择方法。步骤1.选取前N个像素点作为初始端元；步骤2.令目前所选端元中的第i个为“1”类，其余N-1个为“0”类，首次执行i＝1，建立相应的LLSSVM判别函数即距离测算函数；步骤3.依次计算每个像素的距离，如果某个像素的绝对距离大于1，则将该像素替换第i个端元，置i＝1，转入步骤2；步骤4.i＝i+1，若i＞N，转入步骤5，否则转入步骤2；步骤5.当前端元即为最终选择端元，结束。本发明为一种高光谱图像端元选择方法，采用LLSVM作为主要工具来完成。无需降维预处理、复杂度低。
-
公开(公告)号：CN102298711A
公开(公告)日：2011-12-28
申请号：CN201110167197.4
申请日：2011-06-21
Applicant: 哈尔滨工程大学
IPC: G06K9/80
Abstract: 本发明提供的是一种空间引力描述下的高光谱图像亚像元定位方法。包括高光谱图像的预处理；SPSAM方法的初始化；完全贯彻空间相关性的空间引力描述。亚像元/像元空间引力方法初始化是利用亚像元/像元空间引力方法获得初步的亚像元定位结果，以作为下一步的输入；完全贯彻空间相关性的空间引力描述方法是指既考虑像元间的空间相关性，又考虑像元内的亚像元间的相关性，同时像元间的空间相关性的描述是通过计算亚像元与邻域像元内的亚像元之间的空间引力实现的。该方法具有完全贯彻空间相关性，亚像元定位精度高的优点。
-
-
公开(公告)号：CN100456319C
公开(公告)日：2009-01-28
申请号：CN200710144301.1
申请日：2007-09-12
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种高光谱图像复选性加权分类方法，它至少包括样本加权、特征加权或类别加权处理过程的一个。本发明根据样本异常程度与样本偏离类中心距离之间的关系，将距离非线性映射为相应权值来完成样本加权；根据类内散度矩阵对线性光谱分离问题的加权特性，将其推广到最小二乘SVM分类问题中来完成特征加权；根据最小二乘SVM线性方程组中单位矩阵对角元素的特殊含义，将其设定为体现类别重要性的不同数值来完成类别加权。
-
Patent Agency Ranking
公开(公告)号：CN109360231B
公开(公告)日：2022-01-07
申请号：CN201811248556.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，包括以下步骤：步骤1：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤2：依据每个高程矩阵和海冰色带，逐一索引生成初始仿真海冰RGB图像集；步骤3：将初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤4：利用步骤3形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤5：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤6：通过步骤1～步骤3重新生成矢量数据，将数据输入步骤5所训练完成的分形深度卷积生成对抗网络。本发明能够降低网络计算量，同时提升海冰仿真效果。
-
公开(公告)号：CN109409286A
公开(公告)日：2019-03-01
申请号：CN201811248521.3
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于伪样本增强训练的船舶目标检测方法，包括以下步骤：搜集船舶3D模型数据，生成初步船舶模型；对初步船舶模型进行纹理映射，生成仿真船舶模型；以真实图像为基底，采用正投影方法将仿真船舶模型投射至图像中，生成仿真图像，以仿真图像数据构成伪样本集；将伪样本集与真实图像数据集结合，构成训练集，采用Faster-RCNN目标检测方法进行训练，得到船舶检测网络；使用检测网络对待检测的图像进行船舶检测。本发明降低了Faster-RCNN目标检测方法训练过程中对训练数据量的要求，提升了检测精度，减少了船舶目标漏检。
-
公开(公告)号：CN109360231A
公开(公告)日：2019-02-19
申请号：CN201811248556.7
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于分形深度卷积生成对抗网络的海冰遥感图像仿真方法，包括以下步骤：步骤1：收集N幅实际海冰遥感图像，利用分形方法生成N个K×K的海冰场景高程矩阵；步骤2：依据每个高程矩阵和海冰色带，逐一索引生成初始仿真海冰RGB图像集；步骤3：将初始仿真海冰RGB图像矢量化，形成N个初始化矢量数据；步骤4：利用步骤3形成的矢量数据作为生成网络初始输入，同时初始化生成网络和判别网络权重参数；步骤5：利用N幅实际海冰遥感图像训练分形深度卷积生成对抗网络；步骤6：通过步骤1～步骤3重新生成矢量数据，将数据输入步骤5所训练完成的分形深度卷积生成对抗网络。本发明能够降低网络计算量，同时提升海冰仿真效果。
-
公开(公告)号：CN104200217B
公开(公告)日：2017-05-24
申请号：CN201410386737.1
申请日：2014-08-07
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是基于一种复合核函数的高光谱分类方法。输入一幅高光谱图像，类别数为N；以支持向量机为基分类器，同时从所述高光谱图像每个类别中随机地选取s个样本组成训练集，剩余样本组成测试集，确定各参数的变化范围，然后结合K次交叉验证确定支持向量机的最优性能参数，包括惩罚因子和核参数；利用复合核构建策略，构造复合核函数，对支持向量机进行训练；利用训练过程得到的支持向量机判决函数的参数，循环N次，进而得到测试集属于每类别的判决函数值，组成矩阵确定多分类器策略，即找到矩阵每列的最大值。本发明具有可以更好的描述数据集的分布特征，且分类精度相对较高等特点。其参数优化所消耗的时间相对于传统多核学习方法也相对较短。
-
公开(公告)号：CN104504391A
公开(公告)日：2015-04-08
申请号：CN201410734811.4
申请日：2014-12-04
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6249 , G06K9/6277
Abstract: 本发明属于遥感信息处理技术领域，具体涉及一种基于稀疏特征和马尔科夫随机场的高光谱图像分类方法。本发明包括：读入高光谱图像数据；求解字典；求解稀疏特征；用概率支持向量机求解概率输出，并确定初始分类结果：通过马尔科夫随机场来求解样本概率；确定高光谱图像最终分类结果。本发明应用稀疏特征使得图像得到很好的表述，能够对图像中的邻域信息充分的利用，优化了分类图的视觉效果，提高了分类的精度等优点。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.024 seconds)
