-
公开(公告)号：CN114565850B
公开(公告)日：2025-03-25
申请号：CN202210203988.6
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
公开(公告)号：CN113807273B
公开(公告)日：2023-12-19
申请号：CN202111112228.6
申请日：2021-09-18
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/772 , G06V10/762 , G06V10/764
Abstract: 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。
-
Patent Agency Ranking
公开(公告)号：CN113033686A
公开(公告)日：2021-06-25
申请号：CN202110361621.2
申请日：2021-04-02
Applicant: 哈尔滨工程大学
Abstract: 基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统，属于高光谱图像分类技术领域。为了解决现有的高光谱图像分类方法存在问题椒盐噪声和区域级错分问题，以及无法提取适当的空谱信息的问题。本发明首先利用多层核引导可变卷积层组成特征提取网络提取准确的空谱特征，并得到初始的分类概率图；然后进行再分类，经过第一个双窗联合双边滤波器和第二个双窗联合双边滤波器进行分类；对于初始的分类概率图中任一个像素点进行上述操作，输出的结果就是最终的分类概率图；对最终的分类概率图进行最大概率取值，得到最终的分类结果图。主要用于高光谱图的分类。
-
公开(公告)号：CN114565850A
公开(公告)日：2022-05-31
申请号：CN202210203988.6
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
公开(公告)号：CN113807273A
公开(公告)日：2021-12-17
申请号：CN202111112228.6
申请日：2021-09-18
Applicant: 哈尔滨工程大学
Abstract: 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。
-
公开(公告)号：CN113033686B
公开(公告)日：2022-03-22
申请号：CN202110361621.2
申请日：2021-04-02
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/30 , G06V20/10 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/58
Abstract: 基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统，属于高光谱图像分类技术领域。为了解决现有的高光谱图像分类方法存在问题椒盐噪声和区域级错分问题，以及无法提取适当的空谱信息的问题。本发明首先利用多层核引导可变卷积层组成特征提取网络提取准确的空谱特征，并得到初始的分类概率图；然后进行再分类，经过第一个双窗联合双边滤波器和第二个双窗联合双边滤波器进行分类；对于初始的分类概率图中任一个像素点进行上述操作，输出的结果就是最终的分类概率图；对最终的分类概率图进行最大概率取值，得到最终的分类结果图。主要用于高光谱图的分类。
-
公开(公告)号：CN116246171A
公开(公告)日：2023-06-09
申请号：CN202310217028.X
申请日：2023-03-08
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/74 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 一种空‑谱多尺度高光谱遥感图像目标检测方法及设备，属于高光谱遥感图像目标检测技术领域。为了解决现有的高光谱目标检测存在空间信息应用不够充分的问题以及其导致的高光谱目标检测能力弱的问题。本发明基于待检测目标区域的高光谱数据，将三维空间像素块构成一个样本，称为一个patch；将待测图像中所有的像元的patch与目标先验的patch构建样本对；将样本对输入多尺度空‑谱目标检测网络进行目标检测，首先通过两条结构、参数共享的独立支路分别处理输入的样本对中的两个patch，每条独立支路上对光谱特征和空间特征进行提取，然后在两条独立支路中最后一个下采样单元之后合并，输出特征经过多尺度差异特征混合后给出两个输入的相似度。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
