-
公开(公告)号：CN113627357A
公开(公告)日：2021-11-09
申请号：CN202110930442.6
申请日：2021-08-13
申请人： 哈尔滨工业大学
摘要： 一种高空间‑高光谱分辨率遥感图像本征分解方法及系统，具体涉及一种融合高空间分辨率信息的高光谱遥感图像本征分解方法、系统及用于存储其的计算机可读存储介质,方法包括一、获取全色遥感图像的空间结构一致约束项和高光谱遥感图像的光谱一致约束项；二、获取反射率分量一致约束项；三、获取反射率分量。系统包括存储器、处理器和存储在所述存储器中并可在所述处理器上运行的计算机程序。计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现任一所述方法的步骤。本发明用于将低空间分辨率的高光谱遥感图像做本征分解得到高空间分辨率的反射率图像，属于遥感图像处理领域。
-
公开(公告)号：CN112784747B
公开(公告)日：2022-03-04
申请号：CN202110086560.3
申请日：2021-01-22
申请人： 哈尔滨工业大学
摘要： 高光谱遥感图像多尺度本征分解方法，涉及遥感图像处理技术领域，针对现有技术中得到的高光谱图像的反射率分量精度低的问题，包括：步骤一：获取高光谱图像，并根据高光谱图像得到N个尺度下的稀疏图矩阵；步骤二：根据N个尺度下的稀疏图矩阵得到多尺度高光谱图像的本征分解矩阵；步骤三：利用高光谱图像，并在光谱维上做几何平均得到之后在空间维上做几何平均得到步骤四：根据本征分解矩阵和得到高光谱的反射率分量。本申请结合多尺度并且综合两个策略得到的高光谱图像的反射率分量相比现有的技术有着更高的精度。
-
公开(公告)号：CN113627357B
公开(公告)日：2022-07-08
申请号：CN202110930442.6
申请日：2021-08-13
申请人： 哈尔滨工业大学
IPC分类号： G06V20/13 , G06K9/62 , G06V10/74 , G06V10/764 , G06V10/58
摘要： 一种高空间‑高光谱分辨率遥感图像本征分解方法及系统，具体涉及一种融合高空间分辨率信息的高光谱遥感图像本征分解方法、系统及用于存储其的计算机可读存储介质,方法包括一、获取全色遥感图像的空间结构一致约束项和高光谱遥感图像的光谱一致约束项；二、获取反射率分量一致约束项；三、获取反射率分量。系统包括存储器、处理器和存储在所述存储器中并可在所述处理器上运行的计算机程序。计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现任一所述方法的步骤。本发明用于将低空间分辨率的高光谱遥感图像做本征分解得到高空间分辨率的反射率图像，属于遥感图像处理领域。
-
公开(公告)号：CN112784747A
公开(公告)日：2021-05-11
申请号：CN202110086560.3
申请日：2021-01-22
申请人： 哈尔滨工业大学
摘要： 高光谱遥感图像多尺度本征分解方法，涉及遥感图像处理技术领域，针对现有技术中得到的高光谱图像的反射率分量精度低的问题，包括：步骤一：获取高光谱图像，并根据高光谱图像得到N个尺度下的稀疏图矩阵；步骤二：根据N个尺度下的稀疏图矩阵得到多尺度高光谱图像的本征分解矩阵；步骤三：利用高光谱图像，并在光谱维上做几何平均得到之后在空间维上做几何平均得到步骤四：根据本征分解矩阵和得到高光谱的反射率分量。本申请结合多尺度并且综合两个策略得到的高光谱图像的反射率分量相比现有的技术有着更高的精度。
-
公开(公告)号：CN112967350B
公开(公告)日：2022-03-18
申请号：CN202110250389.5
申请日：2021-03-08
申请人： 哈尔滨工业大学
摘要： 基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像根据获得高光谱遥感图像中每个像素的稀疏图编码字典；根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；根据和稀疏图相似度矩阵获得高光谱图像的反射率分量；所述系统包括：获取模块、构造模块、计算模块、分解模块。
-
公开(公告)号：CN112785583B
公开(公告)日：2022-03-04
申请号：CN202110136395.8
申请日：2021-02-01
申请人： 哈尔滨工业大学
摘要： 基于超像素分割的高光谱遥感图像反射率恢复方法，属于遥感图像处理领域，涉及高光谱图像的反射率恢复方法。解决了现有基于对象的反射率恢复方法存在对高光谱图像的反射率恢复精度差的问题，本发明利用输入的高光谱遥感图像做精细超像素分割，获得精细分割的分割矩阵；对输入的高光谱遥感图像做粗略超像素分割，获得粗略分割结果集合；利用精细分割的分割矩阵和粗略分割结果集合，计算约束矩阵；利用精细分割的分割矩阵和约束矩阵迭代求解输入的高光谱遥感图像的反射率。本发明适用于图像反射率恢复。
-
公开(公告)号：CN112967350A
公开(公告)日：2021-06-15
申请号：CN202110250389.5
申请日：2021-03-08
申请人： 哈尔滨工业大学
摘要： 基于稀疏图编码的高光谱遥感图像本征分解方法及系统，涉及图像处理领域。本发明解决了目前的本征分解方法应用于高光谱图像时无法有效地保持地物边界，进而导致针对高光谱图像反射率分量生成的精度低的问题。本发明包括：获得高光谱遥感图像；将高光谱遥感图像在光谱维上做几何平均去除掉由于物体表面几何分布引起的光谱变化得到图像将在空间维上做几何平均，消除由于随空间分布变化的光照引起的光谱变化得到图像根据获得高光谱遥感图像中每个像素的稀疏图编码字典；根据高光谱遥感图像的稀疏图编码字典获得稀疏图的相似度矩阵；根据和稀疏图相似度矩阵获得高光谱图像的反射率分量；所述系统包括：获取模块、构造模块、计算模块、分解模块。
-
公开(公告)号：CN116645613A
公开(公告)日：2023-08-25
申请号：CN202310681709.1
申请日：2023-06-09
申请人： 哈尔滨工业大学
IPC分类号： G06V20/10 , G06V20/13 , G06N3/0464 , G06N3/088 , G06V10/82
摘要： 一种基于物理知识驱动和无监督学习的高光谱本征分解方法，它属于遥感图像处理领域。本发明解决了采用现有本征分解方法分解出的反射率分量的准确度差的问题。本发明采取的主要技术方案为：步骤1、基于物理模型对高光谱遥感图像进行分解，得到反射率分量；步骤2、构建反射率分量估计子网络以及反射率分量估计子网络的输出损失项；步骤3、构建明暗分量估计子网络以及明暗分量估计子网络的输出损失项；步骤4、将物理模型输出与原始高光谱数据结合生成混合物理知识的输入数据，并初始化模型参数；步骤5、结合损失函数项优化网络模型，输出反射率分量。本发明方法可以应用于高光谱遥感图像的本征分解。
-
公开(公告)号：CN112785583A
公开(公告)日：2021-05-11
申请号：CN202110136395.8
申请日：2021-02-01
申请人： 哈尔滨工业大学
摘要： 基于超像素分割的高光谱遥感图像反射率恢复方法，属于遥感图像处理领域，涉及高光谱图像的反射率恢复方法。解决了现有基于对象的反射率恢复方法存在对高光谱图像的反射率恢复精度差的问题，本发明利用输入的高光谱遥感图像做精细超像素分割，获得精细分割的分割矩阵；对输入的高光谱遥感图像做粗略超像素分割，获得粗略分割结果集合；利用精细分割的分割矩阵和粗略分割结果集合，计算约束矩阵；利用精细分割的分割矩阵和约束矩阵迭代求解输入的高光谱遥感图像的反射率。本发明适用于图像反射率恢复。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.024 秒)
