-
公开(公告)号：CN111951181B
公开(公告)日：2024-03-29
申请号：CN202010672771.0
申请日：2020-07-14
Applicant: 浙江工业大学
IPC: G06T5/70
Abstract: 基于非局部相似性的加权截断核范数高光谱图像去噪方法，包括以下步骤：1)获取包含均值为零，方差为σ2的高斯噪声的待去噪的高光谱图像数据#imgabs0#利用投影技术将干净高光谱图像进行降维处理，表示为#imgabs1#M为降维后的图像,E为正交矩阵，其中M和N分别是高光谱图像空间维度的长和宽，P为谱带的数量；2)构建基于非局部相似性及加权截断核范数的高光谱图像去噪模型；3)对变量与参数进行迭代细化。4)输出去除噪声后的高光谱图像。本发明的优点是：将高光谱图像的空间低秩性与光谱低秩性相结合探索空间域与光谱域上的丰富信息，所集成的空间光谱模型不仅有效改进了传统非局部去噪方法速度慢的缺点并且在抑制噪声效果上有很强的鲁棒性。
-
公开(公告)号：CN114821302A
公开(公告)日：2022-07-29
申请号：CN202210343417.2
申请日：2022-03-31
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于线性跨时态交互的异源遥感建筑变化检测方法，包括：获取异源遥感图像对并分割为若干子图；采用预训练好的CNN或Transformer模型对各子图进行特征提取获得对应的第一特征图；将图像对中对应子图获得的第一特征图执行线性交叉注意力操作获取对应的第二特征图；对第二特征图执行协同特征对齐操作获取对应的第三特征图；将图像对中对应子图获得的第三特征图依次进行差值、上采样和卷积变换，获取变化检测图。该方法针对异源遥感图像变化检测任务中数据异源差异，通过交叉注意力进行图像间耦合互动，并构建协同特征对齐以保障异源特性下特征间对齐，有助于提高异源遥感图像变化检测的精度和泛化性能。
-
公开(公告)号：CN114596230A
公开(公告)日：2022-06-07
申请号：CN202210238792.0
申请日：2022-03-11
Applicant: 浙江工业大学
Abstract: 本发明公开了一种加权混合图拉普拉斯的多维视觉数据修复方法，包括计算每个像素点与其周围四个邻接像素点的相似度，构建一阶局部的拉普拉斯算子，计算其中单个像素点与非局部邻接像素点的相似度，构建一阶非局部拉普拉斯算子，由一阶局部拉普拉斯算子和一阶非局部拉普拉斯算子联合相加得到一阶拉普拉斯算子，将一阶拉普拉斯算子泛化至二阶形式得到二阶拉普拉斯算子，分别对一阶拉普拉斯算子和二阶拉普拉斯算子进行加权联合相加，得到混合图拉普拉斯算子，采用混合图拉普拉斯算子构建多维视觉数据的修复模型。本发明对多维视觉数据进行缺失数据修复，通过对传统图拉普拉斯正则项的改进。
-
公开(公告)号：CN111783694A
公开(公告)日：2020-10-16
申请号：CN202010640580.6
申请日：2020-07-06
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于混合亚像素卷积的高光谱遥感图像分类方法，包括获取待分类的高光谱遥感图像；利用主成分分析法进行光谱降维；根据光谱信息量将降维后的高光谱遥感图像中的光谱带沿通道中间向通道两侧由高到低排列；对光谱带中每个像素点取一个固定空间大小的立方体数据，利用三维卷积根据立方体数据提取光谱-空间特征，再利用二维卷积进行光谱信息的融合，得到最终的特征图；添加亚像素卷积层，使用像素重组方法，将不同特征图上的相同点位置的像素重置到一张图上，再转换为特征向量；将特征向量输入至三层全连接网络得到预测分类结果。本发明结合了三维、二维和亚像素卷积的优点，实现了在低训练样本下对高光谱遥感图像的准确分类。
-
公开(公告)号：CN110728641A
公开(公告)日：2020-01-24
申请号：CN201910968470.X
申请日：2019-10-12
Applicant: 浙江工业大学
Abstract: 本发明公开了一种遥感图像脉冲噪声去除方法及装置，将高光谱遥感图像分成多个重叠的图像块，通过零化滤波器将每个图像块构建成基于傅里叶级数的Hankel矩阵，对构建成的Hankel矩阵使用截断核范数进行约束并构建高光谱遥感图像脉冲噪声方法模型，采用增广拉格朗日函数ALM算法对每个高光谱遥感图像脉冲噪声方法模型进行优化，采用部分奇异值阈值PSVT框架对每个优化后的高光谱遥感图像脉冲噪声方法模型求解，输出干净的高光谱图像块。本发明考虑了不同光谱波段之间的相关性，脉冲去除效果更加显著。
-
Patent Agency Ranking
公开(公告)号：CN112084847B
公开(公告)日：2024-05-03
申请号：CN202010751826.7
申请日：2020-07-30
Applicant: 浙江工业大学
Abstract: 基于多通道截断核范数及全变差正则化的高光谱图像去噪方法，包括以下步骤：1)获取带待去噪的高光谱数据图像，其中，N为加性高斯白噪声(AWGN)，X为恢复出来的干净图像，其中m和n分别是高光谱图像空间维度的长和宽，p为谱带的数量；2)构建多通道截断核范数及全变差正则化的高光谱图像去噪模型；3)采用交替方向乘子算法(Alternating Direction Method of Multipliers，ADMM)对模型进行优化；4)输出去除噪声后的高光谱图像。本发明的优点是：更好地保留分段平滑先验和有效地保持边缘信息，同时增强了高斯噪声的去噪效果。
-
公开(公告)号：CN111951185B
公开(公告)日：2024-03-29
申请号：CN202010680184.6
申请日：2020-07-15
Applicant: 浙江工业大学
Abstract: 基于低秩张量环分解与高阶结构化与图像修复方法，包括以下步骤：1)输入待修复图像#imgabs0#确定图像待修复区域，2)构建低秩张量环分解与高阶汉克结构化模型；3)结合步骤2)构建的图像修复模型，对彩色图像进行修复，最终重构输出高质量视觉数据图像#imgabs1#本发明的优点是：兼顾了图像处理的效率和图像还原的精确性。
-
公开(公告)号：CN114821303A
公开(公告)日：2022-07-29
申请号：CN202210343422.3
申请日：2022-03-31
Applicant: 浙江工业大学
Abstract: 本发明公开了一种联合局部表征和全局建模的双时遥感变化检测方法，包括：获取双时遥感图像对并将图像分割为相同尺寸的子图；建立对偶主干网络模型并进行预训练；采用预训练好的对偶主干网络模型对子图进行特征提取，对应获得多尺度局部特征图和全局特征图；对相同空间分辨率下的局部特征图和全局特征图执行双分支信息交叉融合操作，获取联合表示；对不同空间分辨率的联合表示执行多尺度特征图融合操作，获取多尺度融合特征图；将图像对中对应子图获得的多尺度融合特征图之间依次进行差值、上采样和卷积变换，获取变化检测图。该方法可实现更好的目标定位、边缘细化和语义理解，保障检测精度和泛化性能，数据处理速度快。
-
公开(公告)号：CN113112420A
公开(公告)日：2021-07-13
申请号：CN202110357061.3
申请日：2021-04-01
Applicant: 浙江工业大学
Abstract: 一种基于汉克尔矩阵与截断核范数的高光谱遥感图像混合噪声去除方法。包括：步骤1，输入受混合噪声污染的高光谱遥感图像，将高光谱遥感图像分成多个重叠的patch子块；步骤2，通过零化滤波器把每个子块构建成汉克尔矩阵H(X)，构建基于汉克尔矩阵与截断核范数的高光谱遥感图像混合噪声去除模；步骤3，采用交替方向乘子法(alternating direction method of multipliers,ADMM)算法对模型进行优化求解；步骤4，将修复后高光谱遥感图像的块合成完整的高光谱遥感图像，再将逆汉克尔化后的块重新合成完整的高光谱遥感图像。步骤5，输出去除混合噪声后的高光谱遥感图像。本发明充分挖掘图像的低秩性，去除噪声效果更佳显著。
-
公开(公告)号：CN107808391A
公开(公告)日：2018-03-16
申请号：CN201711030113.6
申请日：2017-10-30
Applicant: 浙江工业大学
Abstract: 一种基于特征选择与光滑表示聚类的视频动态目标提取方法，包括如下步骤：(1)对视频数据进行预处理，编码成视频序列矩阵Y；(2)以视频序列矩阵Y为输入，建立FSSR聚类模型；(3)使用增广拉格朗日函数和交替方向乘子法对聚类模型进行优化，获得最优系数矩阵Z*；(4)使用公式(|Z*|+|Z*T|)/2，计算关联矩阵S；(5)使用规范化分割算法对关联矩阵S进行分割，根据聚类结果获取动态目标图像。本发明具有运行效率高、数据适应性强、准确度高、运动一致性强等的优点，非常适合高维特征视频数据的目标提取。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.026 seconds)
