-
公开(公告)号：CN113222948B
公开(公告)日：2024-04-05
申请号：CN202110548235.4
申请日：2021-05-19
申请人： 大连海事大学
摘要： 本发明公开了一种基于多尺度多特征的高光谱图像亚像元定位方法，包括：对高光谱图像降采样并对其进行超像素分割，获取基于超像素和基于像素的软分类，初始化亚像元定位；计算超像素尺度、像元尺度和亚像元尺度上的空间吸引力值，计算超像素区域的区域周长，构建结合区域周长的多尺度空间相关性模型；判断地物类别分布特征，针对呈线状特征分布的地物类别进行定位，对呈面状特征分布的地物类别进行定位：计算亚像元交换前后的区域周长以及多尺度空间相关性，符合条件的两个亚像元进行交换；该方法能够很好的保留地物线状特征的连通性，保证整体空间结构的完整性，也保留了局部边界信息的平滑性。
-
公开(公告)号：CN117095289A
公开(公告)日：2023-11-21
申请号：CN202311005759.4
申请日：2023-08-10
申请人： 大连海事大学
IPC分类号： G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
摘要： 本发明公开了一种基于尺度归因扩张网络的高光谱影像分类方法，包括设计训练裁剪尺寸集合、验证裁剪尺寸集合以及测试裁剪尺寸集合，获取高光谱影像集合，依次从裁剪尺寸集合中选择裁剪尺寸，根据裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取训练集序列、验证集序列和测试集序列，构建尺度归因扩张网络模型，所述尺度归因扩张网络模型包括预处理模块、四个级联的尺度保持网络层以及全局平均池化层，基于多尺度训练策略对尺度归因扩张网络模型进行训练，根据训练后的尺度归因扩张网络模型对高光谱影像进行分类。尺度归因扩张网络模型能够减少冗余光谱信息，提升空间信息，学习到更具区分性的嵌入特征，得到了更好的分类精度。
-
公开(公告)号：CN116503361A
公开(公告)日：2023-07-28
申请号：CN202310481892.0
申请日：2023-04-28
申请人： 大连海事大学
摘要： 本发明公开的一种新颖的联合低秩稀疏感知的高光谱解混方法，包括如下步骤：利用高光谱图像提取初始端元和丰度；利用压缩感知技术提取观测数据背景信息，构建针对端元的低秩背景感知模型；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；利用超像素设计针对丰度的相关感知约束；根据针对端元的低秩背景感知和针对丰度的相关感知模型迭代优化丰度和端元；该方法通过压缩感知技术随机采集观测数据的低秩信息，将端元向量向低秩背景矩阵的正交子空间投影以约束端元光谱的随意扩张。然后基于超像素构建相关感知模型诱导同质区域内丰度的平滑和结构稀疏属性。
-
公开(公告)号：CN116295853A
公开(公告)日：2023-06-23
申请号：CN202310289863.4
申请日：2023-03-22
申请人： 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC分类号： G01J5/00 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
摘要： 本发明属于遥感技术领域，涉及多通道热红外数据地表温度反演方法、装置及电子设备，该方法根据大气顶部热辐射的表达式得到地表温度的第一表达式；将亮度温度转换为热红外通道的辐亮度；根据观测天顶角和大气水汽含量以及地表温度的第二表达式，得到地表温度的第三表达式；根据地表发射率之间与可见光‑近红外通道观测值的函数关系，得到地表温度的目标表达式。本发明通过拟合可见光‑近红外通道观测值、热红外通道辐亮度与地表温度之间的函数关系，结合观测天顶角与大气水汽含量数据将目标区域的多通道热红外数据应用于训练好的深度神经网络模型，反演得到目标区域的地表温度，提高了地表温度反演的精准度。
-
公开(公告)号：CN115713502A
公开(公告)日：2023-02-24
申请号：CN202211419946.2
申请日：2022-11-14
申请人： 大连海事大学
IPC分类号： G06T7/00
摘要： 本发明公开了一种基于多行波段处理的高光谱图像实时局部异常检测方法，包括：读取高光谱图像数据，初始化由滤光片数量确定的波段数量n，初始化基于波段抽取的行数j，并初始化不同波段之间的间隔数k；根据波段数量n、行数j和间隔数k值，将数据转换成需要实时检测处理的数据；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；利用分块矩阵求逆公式更新相关矩阵R(n)的逆矩阵R(n)‑1；利用多行波段相关矩阵的实时局部异常RX算子对需要实时检测处理的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，并具有较好的实时局部异常检测效果。
-
公开(公告)号：CN113673599A
公开(公告)日：2021-11-19
申请号：CN202110962828.5
申请日：2021-08-20
申请人： 大连海事大学
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：CN113378683A
公开(公告)日：2021-09-10
申请号：CN202110620232.7
申请日：2021-06-03
申请人： 大连海事大学
摘要： 本发明公开了一种残差驱动的异常检测波段选择方法，包括：选取一幅高光谱图像，将其转换为二维数据矩阵；利用密度峰值聚类算法获取像素点对应的局部密度和距离；根据密度和距离信息、采用特定密度阈值对高光谱图像的所有像素点进行划分，得到异常目标集合D和背景像素集合B；根据异常目标集合D和背景像素集合B生成基于异常的约束向量和基于背景的约束向量；根据约束向量设计针对于异常检测任务的非监督波段选择算法，通过残差驱动的波段排序准则对波段进行优先级排序并获得最终波段子集。
-
公开(公告)号：CN108171270B
公开(公告)日：2021-08-27
申请号：CN201810012064.1
申请日：2018-01-05
申请人： 大连海事大学
IPC分类号： G06K9/62
摘要： 本发明提供一种基于哈希学习的高光谱图像分类方法，包括：将高光谱图像做零均值化处理，得到高光谱数据均值；根据所述高光谱数据样本均值确定真实图像中每一类地物的非目标地物的光谱特征；根据所述光谱特征定义哈希函数，并计算所述哈希函数的偏移量、最大特征向量；根据所述偏移量、最大特征向量提取哈希语义特征；根据所述提取的哈希语义特征进行高光谱图像分类。本发明将提取到的语义特征与原始高光谱地物数据融合之后，可以有效提高原高光谱数据的分类与识别精度。
-
公开(公告)号：CN113222954A
公开(公告)日：2021-08-06
申请号：CN202110560094.8
申请日：2021-05-21
申请人： 大连海事大学
摘要： 本发明公开了一种基于补丁对齐的全局梯度下的多曝光图像无鬼影融合方法，包括：读取参考图像，基于多源双向相似度的度量算法MBDS度量参考图像与LDR图像的相似度，采用补丁加速方法对齐LDR图像中的运动区域；采用重建算法获得与参考图像对齐后的LDR图像序列；设计像素相对强度权重式和全局梯度权重式；将两种权重式加权平均后得到最终权重式，在拉普拉斯金字塔中输入权重图和LDR图像序列进行图像融合并输出融合图像。该方法有效地解决了动态场景融合下出现的伪影问题，先基于参考图像配准LDR图像节省了融合时间，更具有鲁棒性，之后在拉普拉斯金字塔中融合进行多尺度分解融合，融合效果更好，得到的HDR图像细节信息丰富，视觉效果更好。
-
公开(公告)号：CN113222948A
公开(公告)日：2021-08-06
申请号：CN202110548235.4
申请日：2021-05-19
申请人： 大连海事大学
摘要： 本发明公开了一种基于多尺度多特征的高光谱图像亚像元定位方法，包括：对高光谱图像降采样并对其进行超像素分割，获取基于超像素和基于像素的软分类，初始化亚像元定位；计算超像素尺度、像元尺度和亚像元尺度上的空间吸引力值，计算超像素区域的区域周长，构建结合区域周长的多尺度空间相关性模型；判断地物类别分布特征，针对呈线状特征分布的地物类别进行定位，对呈面状特征分布的地物类别进行定位：计算亚像元交换前后的区域周长以及多尺度空间相关性，符合条件的两个亚像元进行交换；该方法能够很好的保留地物线状特征的连通性，保证整体空间结构的完整性，也保留了局部边界信息的平滑性。
-
-
-
-
-
-
-
-
-
搜索结果
113 条记录 (耗时 0.041 秒)
