-
公开(公告)号：CN104751170A
公开(公告)日：2015-07-01
申请号：CN201510097972.1
申请日：2015-03-05
申请人： 同济大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种基于监督学习策略的异源雷达影像适配性评估方法，包括以下步骤：(1)将已知匹配结果的影像对分为两个部分，分别命名为训练集Ⅰ和训练集Ⅱ；(2)利用训练集Ⅰ训练中层特征分类器；(3)根据步骤(2)获得的中层特征分类器，利用训练集Ⅱ训练影像适配性评估模型；(4)获取待评估的预测集，根据所述中层特征分类器和适配性评估模型获得所述预测集的当前影像的匹配结果。与现有技术相比，本发明采用中层特征描述影像特征，并且将人对异源雷达影像间共性特征的认识加入分类器的训练过程中，有效区分出异源雷达影像间的共性特征，解决了异源雷达影像间的适配性评估问题。
-
公开(公告)号：CN104751170B
公开(公告)日：2018-08-24
申请号：CN201510097972.1
申请日：2015-03-05
申请人： 同济大学
IPC分类号： G06K9/62
摘要： 本发明涉及一种基于监督学习策略的异源雷达影像适配性评估方法，包括以下步骤：(1)将已知匹配结果的影像对分为两个部分，分别命名为训练集Ⅰ和训练集Ⅱ；(2)利用训练集Ⅰ训练中层特征分类器；(3)根据步骤(2)获得的中层特征分类器，利用训练集Ⅱ训练影像适配性评估模型；(4)获取待评估的预测集，根据所述中层特征分类器和适配性评估模型获得所述预测集的当前影像的匹配结果。与现有技术相比，本发明采用中层特征描述影像特征，并且将人对异源雷达影像间共性特征的认识加入分类器的训练过程中，有效区分出异源雷达影像间的共性特征，解决了异源雷达影像间的适配性评估问题。
-
公开(公告)号：CN104751451B
公开(公告)日：2017-07-28
申请号：CN201510098230.0
申请日：2015-03-05
申请人： 同济大学
摘要： 本发明涉及一种基于无人机低空高分辨率影像的密集点云提取方法，包括以下步骤：将N‑1张配对影像分别与基准影像进行配对，组成立体像对；以一个立体像对为单位，遍历基准图中的所有像素点，采用不等间隔深度采样算法，搜索相应配对影像中的同名核线空间；采用Daisy算法分别计算同名核线空间中每个点于基准图中对应像素点的Daisy描述量，获取同名点集；提取每个立体像对对应的密集三维点云；遍历配对图像，提取出N‑1套三维点云集；利用强制连续性检核算法获得最终的密集三维点云。与现有技术相比，本发明搜索速度快，具有更强的可靠性及执行效率，非常适用于密集点云之间的相关性量测，能有效提取基于无人机低空致密三维点云。
-
公开(公告)号：CN104751451A
公开(公告)日：2015-07-01
申请号：CN201510098230.0
申请日：2015-03-05
申请人： 同济大学
摘要： 本发明涉及一种基于无人机低空高分辨率影像的密集点云提取方法，包括以下步骤：将N-1张配对影像分别与基准影像进行配对，组成立体像对；以一个立体像对为单位，遍历基准图中的所有像素点，采用不等间隔深度采样算法，搜索相应配对影像中的同名核线空间；采用Daisy算法分别计算同名核线空间中每个点于基准图中对应像素点的Daisy描述量，获取同名点集；提取每个立体像对应的密集三维点云；遍历配对图像，提取出N-1套三维点云集；利用强制连续性检核算法获得最终的密集三维点云。与现有技术相比，本发明搜索速度快，具有更强的可靠性及执行效率，非常适用于密集点云之间的相关性量测，能有效提取基于无人机低空致密三维点云。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
