-
公开(公告)号：CN107169412B
公开(公告)日：2021-06-22
申请号：CN201710226601.8
申请日：2017-04-09
Applicant: 北方工业大学
Abstract: 本发明提出了基于混合模型决策的遥感图像靠港船只检测方法，采用层次化算法框架实现港内船舶的精确检测。候选区筛选阶段，对输入的高分辨率大尺寸的港口图像进行快速水体分离，并基于全向双维度交叉扫描方法快速筛选候选区。候选区鉴别阶段，提出一种基于混合决策模板进行候选区的可靠鉴别的方法。首先，根据船舶关键部位和整体特征，以及与周围环境的上下文关系，训练并得到三个决策子模型，并将子模型各自判决结果基于混合模型决策模板进行候选区鉴别。相对于传统方法，本方法能有效克服船舶种类繁多，停泊姿态各异以及船身被部分遮挡等因素带来的不利影响，并只需较短的时间就能得到精确度较高的检测结果。
-
公开(公告)号：CN106780525A
公开(公告)日：2017-05-31
申请号：CN201611016618.2
申请日：2016-11-18
Applicant: 北方工业大学
CPC classification number: G06T2207/10032
Abstract: 基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取。本研究提出基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取，采用了旋转坐标轴的方法，通过提取船只的最小外接矩形，高效准确地获取目标的朝向、长、宽等方向特征。第一步先进行图像预处理获取目标的单像素边缘，作为目标方向特征提取的有效参考区域。第二步、针对获取的边缘轮廓图像，采用象限划分的策略进行目标朝向初判，该步骤的目的在于限制最小外接矩形搜索范围，提高算法效率；第三、在上一步目标初判范围的限制下，搜索范围内的最小外接矩形，并基于最小外接矩形进行船头朝向初判。最后，利用提取获得的最小外接矩形来提取目标长、宽、朝向等船只方向相关特征。
-
公开(公告)号：CN106127228A
公开(公告)日：2016-11-16
申请号：CN201610425713.1
申请日：2016-06-16
Applicant: 北方工业大学
CPC classification number: G06K9/6256 , G06K9/4604 , G06K9/6269
Abstract: 一种基于决策模板分类器融合的遥感图像船舶检测候选区鉴别方法，基于不同类型特征子集间弱相关性的决策模板分类器融合技术，针对大视场光学遥感图像中所提取的候选区域，构建一种高效的鉴别与筛选方法。首先，从候选区图像中提取多类型特征子集，根据各特征子集训练其对应的子分类器；然后，根据船舶特征差异，将模式划分为强对比船舶、弱暗对比船舶及虚警3类，并使用决策矩阵来表征其对应样本的多分类器输出，将所有同种模式类的决策矩阵进行平均，分别得到3类模式各自的决策模板；随后，对输入待鉴别候选区提取其特征并计算其决策轮廓矩阵。最后基于欧氏距离判断候选区策轮廓矩阵与训练好的决策模板间的相似度，实现在候选区域中鉴别出船舶。
-
公开(公告)号：CN107133958B
公开(公告)日：2021-04-23
申请号：CN201710283702.9
申请日：2017-04-26
Applicant: 北方工业大学
Abstract: 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。本发明涉及光学遥感图像船舶及其特征的自动提取，尤其是其中船舶切片图像的准确分割。针对现有图像分割方法难以适用于光学遥感船舶切片分割的问题，本发明提出一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。该方法基于对船舶图像切片的分格进行特性分析，预判出分格的属性。接着，根据分格属性在切片直方图统计时进行分策略的平衡，获得易于阈值迭代搜寻的“双峰”直方图分割形态，最终利用搜寻到的准确分割阈值实现切片的有效分割。
-
公开(公告)号：CN107133958A
公开(公告)日：2017-09-05
申请号：CN201710283702.9
申请日：2017-04-26
Applicant: 北方工业大学
CPC classification number: G06T7/11 , G06T7/136 , G06T2207/10032
Abstract: 基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。本发明涉及光学遥感图像船舶及其特征的自动提取，尤其是其中船舶切片图像的准确分割。针对现有图像分割方法难以适用于光学遥感船舶切片分割的问题，本发明提出一种基于块粒度预判平衡直方图的光学遥感船舶切片分割方法。该方法基于对船舶图像切片的分格进行特性分析，预判出分格的属性。接着，根据分格属性在切片直方图统计时进行分策略的平衡，获得易于阈值迭代搜寻的“双峰”直方图分割形态，最终利用搜寻到的准确分割阈值实现切片的有效分割。
-
Patent Agency Ranking
公开(公告)号：CN107622239A
公开(公告)日：2018-01-23
申请号：CN201710854158.9
申请日：2017-09-15
Applicant: 北方工业大学
Abstract: 一种层次化局部结构约束的遥感图像指定建筑区检测方法，针对复杂大视场遥感图像指定建筑区，本发明提出了一种层次化局部结构约束的遥感图像指定建筑区检测算法。首先，在关键点生成阶段提出一种基于结构模式描述的疑似建筑区关键点筛选方法，利用多级局部模式直方图特征，对初始关键点进行局部模式特征描述，然后采用OC-SVM筛选出具有建筑属性的关键点。其次，在关键点匹配阶段，提出关键点局部结构相似性双层匹配方法，并对粗匹配后具有较高局部结构相似性的关键点进行精匹配，以此来构建一种对大视场遥感图像指定建筑区快速、可靠的检测方法。
-
公开(公告)号：CN106056084A
公开(公告)日：2016-10-26
申请号：CN201610382461.9
申请日：2016-06-01
Applicant: 北方工业大学
Abstract: 一种多分辨层次化筛选的遥感图像港口船舶检测方法，针对大尺寸高分辨率光学遥感图像港口内船舶，采用coarse‑to‑fine(由粗到细)方法对图像处理，结合突异检测方法与Harris角点描述子(Harris Corner Detector)检测方法，构建一种高效的港口内船舶检测方法。首先，将大尺寸图像抽样后的图像分别执行突异与多角度旋转突异检测，判断两种方法得到的疑似船舶面积，并将判断结果进行区域拓展，得到港口区域的疑似显著区。之后，取得原分辨率图像中的疑似显著区域，再对原分辨率下的疑似显著区分别进行突异和多角度旋转突异检测，使用Harris角点描述子方法检测两种检测方法得到的疑似船舶的船头特征，将检测得到的船舶坐标返回到原高分辨率图像中进行标记，最终得到原高分辨率图像中的船舶标记。
-
公开(公告)号：CN106709914B
公开(公告)日：2020-01-17
申请号：CN201710008614.8
申请日：2017-01-05
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双级DEM海陆库的SAR图像船舶检测虚警剔除方法，属于遥感信息处理领域。该方法首先基于DEM构建第一级低分辨率海陆库实现陆地区域的快速屏蔽，大大减少运算的数据量；其次，采用双参数CFAR检测技术对海洋区域进行船舶检测，得到目标切片；然后基于DEM构建第二级高分辨率海陆库对SAR图像船舶检测的目标切片结果进行虚警剔除，快速剔除沿岸陆地、大型岛屿和沿岸建筑设施产生的陆地虚警目标，进一步降低虚警率。该方法既减少了船舶检测的运算量，又保证了检测的精度。
-
公开(公告)号：CN106709914A
公开(公告)日：2017-05-24
申请号：CN201710008614.8
申请日：2017-01-05
Applicant: 北方工业大学
Abstract: 本发明公开了一种基于双级DEM海陆库的SAR图像船舶检测虚警剔除方法，属于遥感信息处理领域。该方法首先基于DEM构建第一级低分辨率海陆库实现陆地区域的快速屏蔽，大大减少运算的数据量；其次，采用双参数CFAR检测技术对海洋区域进行船舶检测，得到目标切片；然后基于DEM构建第二级高分辨率海陆库对SAR图像船舶检测的目标切片结果进行虚警剔除，快速剔除沿岸陆地、大型岛屿和沿岸建筑设施产生的陆地虚警目标，进一步降低虚警率。该方法既减少了船舶检测的运算量，又保证了检测的精度。
-
公开(公告)号：CN106780525B
公开(公告)日：2020-08-14
申请号：CN201611016618.2
申请日：2016-11-18
Applicant: 北方工业大学
Abstract: 基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取。本研究提出基于坐标旋转最小外接矩形的光学遥感图像船只方向特征提取，采用了旋转坐标轴的方法，通过提取船只的最小外接矩形，高效准确地获取目标的朝向、长、宽等方向特征。第一步先进行图像预处理获取目标的单像素边缘，作为目标方向特征提取的有效参考区域。第二步、针对获取的边缘轮廓图像，采用象限划分的策略进行目标朝向初判，该步骤的目的在于限制最小外接矩形搜索范围，提高算法效率；第三、在上一步目标初判范围的限制下，搜索范围内的最小外接矩形，并基于最小外接矩形进行船头朝向初判。最后，利用提取获得的最小外接矩形来提取目标长、宽、朝向等船只方向相关特征。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.026 seconds)
