-
公开(公告)号：CN119625345A
公开(公告)日：2025-03-14
申请号：CN202411728403.8
申请日：2024-11-28
Applicant: 中国科学院西安光学精密机械研究所
Abstract: 本发明公开了一种基于寄生像干扰消除的干涉图像污染物识别方法，解决了干涉图像识别污染物过程中污染物表征不明显且易受到寄生像干扰导致污染物识别不准确的问题，其方法包括以下步骤：首先对干涉图像的干涉维进行多项式拟合以校正图像信号，并计算干涉维和幅宽维的校正系数；然后通过相对辐射校正处理消除图像中的寄生像干扰。接着利用Haar小波变换分解图像为不同频率成分，获取垂直边缘信息图像并计算特征强度，筛选出具有较高特征强度的区域识别为污染物。最后，通过坐标还原将污染物的位置映射回原始干涉图像。本发明能快速、精准识别干涉图像中的污染物，不仅有助于提升干涉图像的质量评估，还能为后续的数据分析和决策提供可靠依据。
-
公开(公告)号：CN119394594A
公开(公告)日：2025-02-07
申请号：CN202411501946.6
申请日：2024-10-25
Applicant: 中国科学院西安光学精密机械研究所
IPC: G01M11/02
Abstract: 本发明公开了一种非球面光学主镜中心轴偏移角度的计算方法，解决了非球面光学主镜装配过程中由于中心轴偏移导致成像质量下降的技术问题，本发明提供的一种非球面光学主镜中心轴偏移角度的计算方法，能够有效进行中心轴偏移的检测和校正，提升光学系统成像质量、降低装配难度、提高生产效率，其灵活性和适应性使其在各种高端光学应用场景中均表现出色，对不同尺寸和形状的非球面光学主镜均具有适用性，无论是小型还是大型光学系统，适用于广泛的光学设备和仪器。
-
公开(公告)号：CN114693549B
公开(公告)日：2024-12-24
申请号：CN202210237780.6
申请日：2022-03-11
Applicant: 中国科学院西安光学精密机械研究所
Abstract: 本发明属于寄生像校正方法，为解决目前采用减光片对寄生像进行遮挡，来减弱寄生像对成像质量影响的方法，会降低能量利用率，在采用大孔径时空联合干涉成像光谱仪获取目标信息时，难以满足高能量、高信噪比需求的技术问题，提供一种大孔径时空联合调制型干涉成像光谱仪的寄生像校正方法，通过激光点和其对应寄生像的能量位置关系，能够准确确定干涉成像光谱仪的反射中心、反射系数和寄生像范围，进而使干涉成像光谱仪能够精准定位其图像的寄生像，然后，只需在图像中去除相应的寄生像，即可完成寄生像校正，为干涉成像光谱仪的寄生像校正提供了一种新的思路。
-
公开(公告)号：CN118246192A
公开(公告)日：2024-06-25
申请号：CN202410136880.9
申请日：2024-01-31
Applicant: 中国科学院西安光学精密机械研究所
Abstract: 本发明涉及一种数字模型在轨成像数据仿真方法，特别涉及一种高光谱遥感载荷数字模型在轨成像数据仿真方法，解决了现有技术根据真实高光谱遥感数据进行数字模型在轨成像数据仿真具有区域局限性，并且利用已知区域高光谱遥感数据仿真未知区域高光谱遥感数据，仿真结果较差的问题。该方法包括以下步骤：步骤1：选取高清RGB遥感影像数据源和地物光谱数据库；步骤2：计算一景成像区域范围对应四角点的经纬度坐标；步骤3：对高清RGB遥感影像数据源截取与重采样；步骤4：构建RGB端元矩阵；对一景成像区域RGB影像光谱解混；步骤5：构建高光谱端元矩阵；重构得到高光谱遥感影像；步骤6：判断是否存在异常区域；若是，对异常区域补偿。
-
公开(公告)号：CN118036279A
公开(公告)日：2024-05-14
申请号：CN202410136879.6
申请日：2024-01-31
Applicant: 中国科学院西安光学精密机械研究所
Abstract: 本发明涉及一种遥感载荷数字模型及全链路闭环仿真方法，特别涉及一种高光谱遥感载荷数字模型及全链路闭环仿真方法，解决了现有技术缺乏能够对高光谱遥感载荷全链路闭环仿真的数字模型的问题。该数字模型包括输入数据模块、支撑数据库、任务层、单机层、用途模式层、模块层及输出数据模块；输入数据模块用于输入成像任务参数、相机工作参数、地物目标参数及卫星基本参数；支撑数据库包括设计数据、实验室数据、在轨数据及地物目标背景数据集；任务层用于仿真实现多种在轨任务；单机层包括多个高光谱遥感载荷单机模块；用途模式层包括在轨成像图像仿真、在轨成像质量评价及在轨成像参数优选用途模式；模块层用于生成图像数据和/或数值数据。
-
Patent Agency Ranking
公开(公告)号：CN118014950A
公开(公告)日：2024-05-10
申请号：CN202410136876.2
申请日：2024-01-31
Applicant: 中国科学院西安光学精密机械研究所
IPC: G06T7/00 , G06V20/10 , G06V10/764 , G06V10/74 , G06V10/762 , G06F30/20
Abstract: 本发明涉及一种数字靶标构建与应用方法，特别涉及一种基于原始高光谱遥感影像的数字靶标构建及成像信噪比、成像光谱准确度质量评价方法，解决了传统的实体靶标或数字图像靶标不能直观地评价高光谱遥感载荷数字模型的实际成像效果及直接将真实的原始高光谱遥感影像用于高光谱遥感载荷数字模型仿真成像时，会使成像效果产生较大误差的问题。该构建方法包括以下步骤：步骤1：选取原始高光谱遥感影像数据；步骤2：对原始高光谱遥感影像数据地物分类；步骤3：统计所有类别地物的特征光谱；步骤4：构建基于原始高光谱遥感影像的数字靶标雏形；步骤5：对数字靶标雏形空间维重采样；步骤6：光谱维重采样，得到基于原始高光谱遥感影像的数字靶标。
-
公开(公告)号：CN117951899A
公开(公告)日：2024-04-30
申请号：CN202410136881.3
申请日：2024-01-31
Applicant: 中国科学院西安光学精密机械研究所
IPC: G06F30/20 , G01N21/25 , G01N21/17 , G06T5/80 , G06T3/4007 , G06N3/0464
Abstract: 本发明涉及一种高光谱遥感载荷成像模型构建方法，特别涉及一种色散型高光谱遥感载荷成像模型构建方法，解决了现有技术缺乏能够模拟色散型高光谱遥感载荷真实成像效果的成像模型，难以对色散型高光谱遥感载荷性能精确评估的问题。该方法包括以下步骤：步骤1：根据色散型高光谱遥感载荷成像链路机理和成像链路中影响成像质量的因素，将拟构建成像模型划分为多个因素仿真模块；步骤2：根据设定的拟构建成像模型的指标参数，选取原始高光谱数字靶标DT0；步骤3：对原始高光谱数字靶标DT0，按物理成像过程串行的依次进行步骤1划分的多个因素仿真模块对应各因素的仿真，得到经拟构建成像模型仿真成像后的高光谱数字靶标DT10，构建完成。
-
公开(公告)号：CN117372279A
公开(公告)日：2024-01-09
申请号：CN202311134449.2
申请日：2023-09-04
Applicant: 北京理工大学 , 中国科学院西安光学精密机械研究所
IPC: G06T5/70 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于混合注意力机制的光谱去噪方法，包括，获取带噪的高光谱图像；构造于高光谱图像去噪的混合注意力网络，所述混合注意力网络包括：多头递归光谱注意力块、渐进谱信道注意模块、跳跃连接注意力模块；将所述带噪的高光谱图像输入混合注意力网络，实现光谱去噪。
-
公开(公告)号：CN111105361B
公开(公告)日：2023-04-18
申请号：CN201911101943.2
申请日：2019-11-12
Applicant: 中国科学院西安光学精密机械研究所
IPC: G06T5/00 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明属于图像处理领域，涉及一种基于场景先验的遥感图像增强方法，其主要步骤包括：1、从遥感影像数据中人工挑选各类场景高质量遥感图像，统计图像的多尺度特征；2、利用卷积神经网络对遥感图像数据进行场景分类训练得到稳定的场景分类器，利用场景分类器获得待增强图像的场景；3、利用同场景高质量遥感图像的多尺度特征作为约束条件对待增强图像进行增强，以提高图像质量。该方法可显著增强不同场景下的遥感图像，避免现有图像增强方法在不同场景下增强效果不稳定的缺点。
-
公开(公告)号：CN112017158B
公开(公告)日：2023-02-14
申请号：CN202010737865.1
申请日：2020-07-28
Applicant: 中国科学院西安光学精密机械研究所
IPC: G06T7/11 , G06T7/00 , G06T5/00 , G06T7/90 , G06V10/762
Abstract: 本发明提出了一种基于光谱特性的遥感场景下自适应目标分割方法，解决现有图像分割方法存在目标分割精度较低的问题，该方法提高了获取高分辨率遥感目标信息的精度，为遥感目标后处理提供了更多特征。该方法包括：1)输入遥感场景数据；2)对遥感场景数据进行高斯滤波；3)对滤波后的数据进行HSV空间转换；4)对滤波后的数据进行Lab空间转换；5)计算超像素分割区域个数；6)使用SLIC对Lab空间域的数据进行超像素分割；7)计算超像素分割后各个区域的HSV均值映射；8)使用k‑means++结合定义的距离度量函数进行二次聚类；9)计算最大类数；10)合并目标阴影区域；11)孔洞填充；12)输出遥感目标分割掩膜。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.079 seconds)
