基于分层模糊证据合成的LIDAR数据地物分类方法

    公开(公告)号:CN103927557A

    公开(公告)日:2014-07-16

    申请号:CN201410194225.5

    申请日:2014-05-08

    Applicant: 中北大学

    Abstract: 本发明公开了基于分层模糊证据合成的LIDAR数据地物分类方法。通过构建模糊信任分配模型对首次回波高程图像、首末次回波高程差图像、首次回波强度图像、归一化植被差异指数图像分别进行信任分配,得到对应的信任分配图像;使用中值滤波对各信任分配图像进行降噪处理;构造分层框架,对各层滤波结果进行合成,根据最大值规则对合成结果进行决策得到最终的分类结果。本发明克服了已有高精度方法分类速度慢无法满足用户需求的缺陷,在保证较高精度的同时,有效地提升了算法运行的速度,形成了一种快速的高精度地物分类算法。可应用于城市三维建模、大规模生态变化评估、地质灾害快速勘察等领域。

    一种基于区域匹配和颜色迁移的无人机图像阴影补偿方法

    公开(公告)号:CN115526795A

    公开(公告)日:2022-12-27

    申请号:CN202211162907.9

    申请日:2022-09-23

    Applicant: 中北大学

    Abstract: 本发明涉及无人机遥感图像的阴影补偿技术,具体为一种基于区域匹配和颜色迁移的无人机图像阴影补偿方法。通过Mean‑shift算法进行同质子区域分割,得到同质子区域集合;建立参考区域搜索与匹配模型,对无人机图像分割后的同质子区域进行搜索与匹配;通过权重设置,构造基于保持细节的局部颜色迁移,利用匹配组合中参考区域信息对该阴影子区域进行本影补偿,对半影区域进行逐像元宽度补偿。本发明克服已有方法无法同时兼顾颜色与纹理补偿导致阴影区域颜色失真、纹理模糊的缺陷。在保证不干扰图像非阴影区域特征信息的前提下,准确恢复了阴影区域的颜色和纹理信息,并有效消除阴影边界效应。本发明方法主要用于(但不限于)遥感图像阴影区域信息补偿。

    基于参考光路总强度排序的鬼成像优化方法

    公开(公告)号:CN115097414A

    公开(公告)日:2022-09-23

    申请号:CN202210701717.3

    申请日:2022-06-20

    Applicant: 中北大学

    Abstract: 本发明涉及鬼成像探测数据的优化,具体为基于参考光路总强度排序的鬼成像优化方法,其利用散斑图案的统计特性和总强度,根据散斑图案总强度对原始散斑序列进行排序。通过筛选器将新的散斑序列划分为子集,以进一步分析散斑数据各部分的有效特性。数值仿真结果表明:总采样次数为3000次、划分比例为2:1:2时,所提方法与桶探测器值排序方法相比,对比度/均方误差均有所提升,验证了0.85采样率筛选散斑的有效性性。同时,对于“知”目标图像,相同比例下本文方法在对比度和均方误差方面相较传统排序方法均有所提升。因此,本所提方法可推广于目前所有的关联算法。并且还提出了一种联合筛选方法,为今后进一步研究奠定了基础。

    一种基于集值映射的双模态红外图像分块多算法优化融合方法

    公开(公告)号:CN110084771B

    公开(公告)日:2022-07-05

    申请号:CN201910178779.9

    申请日:2019-03-11

    Applicant: 中北大学

    Abstract: 本发明一种基于集值映射的双模态红外图像分块多算法优化融合方法,该方法根据双模态红外图像的图像特点和成像机理构建用于描述两类图像互补信息的差异特征集;其次,对待融合图像进行几何分块并根据差异特征集的元素提取各块的差异特征,经归一化后利用条件取大规则确定各块的显著差异特征;而后,选取性能优越的融合算法构建融合算法集,通过构建更通用的融合有效度公式和更合理数理统计的方法建立起差异特征与融合算法间的映射关系;进一步利用建立的映射为各块配置最佳融合算法并进行分块融合;最终,将各融合图块进行拼接处理形成一幅完整的融合图像。本发明提高了差异特征驱动融合的针对性,克服了基于先验知识选择算法的不可预见性局限。

    基于不同特征自动分割的树木提取方法

    公开(公告)号:CN113850823A

    公开(公告)日:2021-12-28

    申请号:CN202111105035.8

    申请日:2021-09-18

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于不同特征自动分割的树木提取方法。通过数据预处理从原始点云数据中删除高离群点和低离群点;将预处理后的点云数据以栅格格式逐点内插建立DSM,调整其分辨率大小,使其与航空正射影像一致;将航空正射影像数据反射光谱的归一化差异植被指数(NDVI)和激光雷达DSM数据的局部熵值结合在一起,作为树木提取特征;利用光照区域、阴影区域分离和直方图减法思想对树木区域进行提取,形成一种无需样本训练和迭代的高效树木提取算法。可应用于森林树种分类及生长状态监测,地物类别检测和三维城市建模等领域。

    无线中继系统中基于递归失真估计的混数模视频传输方案

    公开(公告)号:CN110324582B

    公开(公告)日:2021-02-12

    申请号:CN201910633226.8

    申请日:2019-07-15

    Abstract: 本发明属于视频传输方法技术领域,具体涉及无线中继系统中基于递归失真估计的混数模视频传输方案,针对具有中继的无线瑞利衰落信道,研究HDA视频传输方案,不限定HDA的数字信号无失真传输,首先推导瑞利衰落中继系统中采用HDA的视频传输失真模型,然后基于此模型,对HDA的数字、模拟信号进行功率优化分配,在克服传统悬崖效应以及质量饱和效应的基础上得到优化的视频质量,本方案的主要特征为根据传输信道特性,发送端S估计出HDA编码视频从信源端到接收端的端到端失真模型,其中包括HDA视频编码、功率分配、中继端解码转发、信道传输、接收端解码恢复等几个环节,通过选择最优功率分配因子达到更好的视频恢复质量。

    一种红外光强与偏振图像多类变元组合的融合方法

    公开(公告)号:CN107909112B

    公开(公告)日:2020-08-18

    申请号:CN201711202003.3

    申请日:2017-11-27

    Applicant: 中北大学

    Abstract: 本发明公开了一种红外光强与偏振图像多类变元组合的融合方法,包括以下步骤:S1:对采集图像特征进行类型分类;S2:将采集的图像的融合过程分成四类变元组;S3:建立四类变元组和三类图像特征的一一映射关系;S4:将建立变元组与图像特征之间的多个独立的一一映射关系,利用决策树方法建立以图像特征为起点,以变元组内变元为子结点的多集值映射关系;S5:利用边缘、纹理、亮度特征提取方法对图像进行特征提取并计算其特征幅值,并计算两类图像特征之间的差异特征幅值的绝对值;S6:将S5所得到的差异特征顺序关系输入到S4所得到的公式(2)中,可以得到四类变元组每个变元组内变元的选择情况。

    一种红外光强与偏振图像融合方法

    公开(公告)号:CN106846289B

    公开(公告)日:2019-08-23

    申请号:CN201710034250.0

    申请日:2017-01-17

    Applicant: 中北大学

    Abstract: 本发明公开了一种基于显著性迁移与细节分类的红外光强与偏振图像融合方法。首先对源图像进行非下采样轮廓波变换(NSCT)的多尺度分解;其次,对分解所得低频分量进行显著性检测,并以显著性图像百分位数进行活动阈值分割,确定显著区;然后,将偏振特有低频显著区迁移到低频融合图像中,其余低频部分作为背景区以取大规则保留强度信息;高频分量利用相位一致性及其阈值分为边缘轮廓类和纹理细节类,并分别利用相位一致性和局部标准差对相应两类细节融合;最后,通过NSCT逆变换重构出最终融合图像。本发明能够将源图像显著亮暗特征和较多的细节信息有效地融合到一幅图像中,主要用于(但不限于)红外光强和偏振图像的融合。

    一种基于互补关系的红外偏振与光强图像多算法2D-VMD内嵌式融合方法

    公开(公告)号:CN107633495A

    公开(公告)日:2018-01-26

    申请号:CN201710653448.7

    申请日:2017-08-02

    Applicant: 中北大学

    Abstract: 本发明属于红外图像融合领域,具体为一种基于互补关系的红外偏振与光强图像多算法2D-VMD内嵌式融合方法。首先,采用灰度均值和局部标准差提取融合图像与红外偏振图像差值图和红外光强图像亮度和轮廓特征,采用Canny算子和能量拉普拉斯算子提取融合图像与红外光强图像差值图和红外偏振图像边缘和细节特征;其次,构建基于特征相似性的算法融合性能评价指标;接着,根据不同算法融合性能评价指标值,确定算法间互补关系;然后,根据红外偏振与光强图像特征,确定MSGT和NSST间内嵌顺序,获得高频特征融合图像;最后采用2D-VMD实现低频特征融合图像和高频特征融合图像最终结合,获得最终融合图像。本发明用于但不限于红外图像融合领域。

    一种双模态红外图像差异特征指数测度的多算法融合方法

    公开(公告)号:CN106846288A

    公开(公告)日:2017-06-13

    申请号:CN201710034248.3

    申请日:2017-01-17

    Applicant: 中北大学

    Abstract: 本发明公开了一种双模态红外图像差异特征指数测度的多算法融合方法,首先选择红外偏振与光强图像间差异特征类型,主要为亮度、细节、边缘和轮廓等;根据差异特征类型,选择局部能量取大、非下采样剪切波和多尺度引导滤波分别对源图像进行融合;分别计算两类图像的局部均值、局部拉普拉斯能量和局部标准差;利用两类图像的局部均值、局部能量拉普拉斯和局部标准差,计算各差异特征指数测度;构建差异特征指数测度协方差矩阵,计算协方差矩阵的特征值和特征向量,选择最大特征值对应的特征向量作为各算法权重,实现多算法融合同时保留红外偏振与光强图像的高亮度、多细节、清晰度高的边缘和轮廓特征的融合,显著提高多算法融合的融合效果。

Patent Agency Ranking