-
公开(公告)号：CN109446978B
公开(公告)日：2022-01-07
申请号：CN201811248505.4
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于凝视卫星复杂场景的飞机动目标跟踪方法，包括以下步骤：输入视频数据；将第1帧分别与第xi1帧、第xi2帧、第xi3帧三次差分并累加；利用形态学滤波开运算处理消除融合后图像差值小处，得到潜在变化区域；选择更快的基于区域卷积神经网络作为检测网络，输入图像经过卷积层生成特征图，得到候选区域，进行分类以及候选区域微调得到检测网络；在视频首帧以变化区域为中心，提取w×h图像并利用检测网络进行目标检测，得到飞机动目标；使用多通道颜色特征算法对检测到飞机动目标进行跟踪，根据目标位置取出该帧目标窗和下一帧目标窗，对这两个窗进行快速傅里叶变换，转化后在频域图直接点乘。本发明能实现全自动的对飞机动目标实施跟踪。
-
公开(公告)号：CN109447993A
公开(公告)日：2019-03-08
申请号：CN201811248533.6
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于混合真伪样本策略的海冰图像分割方法，包括以下步骤：使用菱形-正方形的分形方法生成仿真的海冰地形；分析实际海冰对应的色带信息，对仿真的海冰地形进行颜色赋值，根据仿真样本高程值设定分类阈值，生成真值图；对仿真的海冰地进行滤波预处理，并与收集到的带标签的真实海冰样本组成训练集；通过对称的编码器-解码器全卷积网络进行训练，得到海冰图像的分割网络；对待分割的海冰图像进行图像分割。本发明使用菱形-正方形的分形方法生成海冰的模拟地形，通过阈值设定得到带标签的真值图，补充训练集样本；有效地改善了小样本情况下海冰图像的分割效果，有利于海冰遥感图像分割技术的实际应用。
-
公开(公告)号：CN109446978A
公开(公告)日：2019-03-08
申请号：CN201811248505.4
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于凝视卫星复杂场景的飞机动目标跟踪方法，包括以下步骤：输入视频数据；将第1帧分别与第xi1帧、第xi2帧、第xi3帧三次差分并累加；利用形态学滤波开运算处理消除融合后图像差值小处，得到潜在变化区域；选择更快的基于区域卷积神经网络作为检测网络，输入图像经过卷积层生成特征图，得到候选区域，进行分类以及候选区域微调得到检测网络；在视频首帧以变化区域为中心，提取w×h图像并利用检测网络进行目标检测，得到飞机动目标；使用多通道颜色特征算法对检测到飞机动目标进行跟踪，根据目标位置取出该帧目标窗和下一帧目标窗，对这两个窗进行快速傅里叶变换，转化后在频域图直接点乘。本发明能实现全自动的对飞机动目标实施跟踪。
-
公开(公告)号：CN104504391B
公开(公告)日：2017-11-21
申请号：CN201410734811.4
申请日：2014-12-04
Applicant: 哈尔滨工程大学
IPC: G06K9/62
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。
-
公开(公告)号：CN103761530B
公开(公告)日：2017-05-24
申请号：CN201410003264.2
申请日：2014-01-03
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于相关向量机的高光谱图像解混方法，包括以下几个步骤，步骤一，读取高光谱图像中k个数据类别的训练样本，并且读取高光谱图像的k个数据类别测试样本；步骤二，将具有监督信息的训练样本中属于第i数据类别对应的样本标号t值标记为+1，其余k‑1的数据类别对应的样本标号t值标记为0，其中1≤i≤k；步骤三，利用训练样本训练相关向量机；步骤四，利用训练好的相关向量机模型对测试样本进行测试；步骤五，计算测试样本属于第i数据类别的概率值fi；步骤六，重复步骤二～步骤五，计算出测试样本分别属于k个数据类别的概率值fk；步骤七，将所求的k个概率值分别进行归一化操作，得到最终解混丰度值fi。本发明具有解混精度高，实时性好和统计性好的优点。
-
Patent Agency Ranking
公开(公告)号：CN103530875B
公开(公告)日：2016-08-17
申请号：CN201310466843.6
申请日：2013-10-09
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明提供了一种端元提取数据预处理方法，该方法通过建立基于模糊特征空间核空间引力模型，为高光谱数据像素点定义像元变异指数，实现了高光谱图像变异像素点的检测和移除。首先对高光谱数据集合进行模糊特征空间变换，得到模糊特征。利用像素的模糊特征，运用高斯径向基核函数优化的空间引力模型，计算3×3的空间邻域窗口内，邻域像素对中心像素的累加引力值，该引力值与像素变异指数成反比，对高变异指数像素进行移除。
-
公开(公告)号：CN103942776A
公开(公告)日：2014-07-23
申请号：CN201410083794.2
申请日：2014-03-10
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于支持向量数据描述的近边界端元提取方法。本发明的目的是这样实现的：（1）基于支持向量数据描述获取近边界端元搜索区域：（2）基于PCA最值最大距离法初始化端元集。本发明实施简单，为端元提取过程搜索空间大、随机初始化端元影响提取结果的两大难题找到有效的解决方案。两部可独立改善提取结果性能，也可结合使用，在效率和精度上同时取得性能的提升。此外两方面都可以灵活适用于其他的端元提取算法，为有端元提取需求的相关研究内容提供了一个通用、高效、性能优越的处理模板。
-
公开(公告)号：CN103903010A
公开(公告)日：2014-07-02
申请号：CN201410120917.5
申请日：2014-03-28
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明提供的是一种基于稀疏特征和邻域同属性的高光谱图像分类方法。包括：1、读入高光谱图像数据；2、求解字典D；3、求解稀疏特征A；4、设定训练集和测试集；5、支持向量机（Support？Vector？Machines,SVM）二分类；6、确定多分类结果；7、读入邻域尺度集合C；8、邻域划分；9、邻域同属性判定；10、重复进行步骤8和步骤9的循环操作，直到得到邻域同属性分类结果Yl，其为最终分类结果YM。本发明具有分类效果好、处理高维数据时花费代价低，且适用性强等优点。
-
公开(公告)号：CN102592280B
公开(公告)日：2014-03-26
申请号：CN201210010904.3
申请日：2012-01-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种采用多窗口特征分析的高光谱图像异常检测方法。首先确定检测窗口尺寸，包括内层窗、中层窗和外层窗；在外层窗口中运算OSP算子，消除内层窗口和中层窗口的背景干扰，有效的去除白噪声；在中层窗口进行背景像元选取；在内层窗口中运算KRX算子，对的待测像元进行异常检测；最后输出检测结果。本发明巧妙运用了三层窗口的检测模式，利用了两层局部背景像素窗，对高光谱数据先去除噪声干扰再进行异常检测。在外层窗口中利用OSP算子，消除内窗口和中层窗口中不感兴趣的信号源发出的干扰或白噪声，从而降低了虚警概率，具有较好的检测效果。用AVIRIS高光谱数据进行了仿真实验，本发明提出方法的检测性能明显地优于传统算法，降低了虚警概率，具有较好的检测效果。
-
公开(公告)号：CN102298711B
公开(公告)日：2013-07-03
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。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.031 seconds)
