“低空间分辨率”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果3061934个，建议您升级VIP下载更多相关专利

[发明专利]基于非负结构稀疏的高光谱图像超分辨率方法-CN201410319970.8有效
发明人：董伟生;孟贵宇;李广煜;石光明 -专利权人：西安电子科技大学
申请日： 2014-07-07 - 公布日： 2017-01-25 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于矩阵结构稀疏非负分解的光谱图像超分辨率重建方法，从低空间分辨率高光谱图像和高分辨率彩色图像联合重建高分辨率高光谱图像，解决现有算法难以精确恢复高分辨率光谱图像的问题。其实现步骤是(1)输入低分辨率高光谱图像和对应的高分辨率彩色图像；(2)利用光谱图像的局部与非局部自相似性，构建基于矩阵结构稀疏非负分解的光谱重建目标函数；(3)采用交替方向乘子法交替求解得到优化的光谱材料系数和光谱材料基；(4)利用得到的优化光谱材料系数矩阵和光谱材料基矩阵，重建出高分辨率高光谱图像。本发明所恢复的高光谱图像更清晰，图像边缘更锐利，可有效提升光谱图像空间分辨率。
基于结构稀疏光谱图像分辨率方法

[发明专利]一种基于滑动窗口混合像元分解的图像融合方法-CN201510224790.6在审
发明人：李云梅;王桥;郭宇龙 -专利权人：李云梅
申请日： 2015-05-05 - 公布日： 2015-07-29 - 主分类号： G06T3/40 文献下载
摘要：影像进行预处理；B:对Hspec和Hspa影像，进行波段的相关性分析；C:对分析后的Hspa影像在每个滑动窗口中进行非监督分类；D:对预处理的Hspec影像进行混合像元分解；E:对预处理的Hspec影像进行空间插值本发明针对内陆浑浊水体，通过滑动窗口分类，进而建立线性混合像元分解的图像融合方法，将低空间分辨率高光谱分辨率数据与高空间分辨率低光谱分辨率数据融合，生成具有较高空间分辨率和光谱分辨率的数据，并在融合结果中
一种基于滑动窗口混合分解图像融合方法

[发明专利]基于高分辨率数值的无人机低空飞行气象信息处理方法-CN201910925910.3在审
发明人：文小航;廖小罕;徐晨晨;赵磊;钟若嵋 -专利权人：成都信息工程大学;中国科学院地理科学与资源研究所
申请日： 2019-09-27 - 公布日： 2020-03-31 - 主分类号： G06F17/10 文献下载
摘要：本发明属于气象预报信息处理技术领域，公开了一种基于高分辨率数值的无人机低空飞行气象信息处理方法，所述基于高分辨率数值的无人机低空飞行气象信息处理方法包括：利用WRF模式运行区域高分辨率数值天气预报系统；通过区域高分辨率数值天气预报系统配置，选取出适合物理参数化方案和数值模式分辨率；通过WRF模式积分预报出水平分辨率达1km的气象要素预报场。本发明基于高分辨率数值的无人机低空飞行气象信息处理方法的WRF模式系统采用地形追随质量η坐标，垂直层面采用27层，也可以根据情况加密垂直层数，模式顶大气压为50hPa。
基于高分辨率数值无人机低空飞行气象信息处理方法

[发明专利]基于空-谱特征融合的高光谱图像空间分辨率增强方法-CN202310851416.3在审
发明人：益琛;易美晨;王诚勇;李陇杰;刘卓鑫;李荷欢 -专利权人：西安邮电大学
申请日： 2023-07-12 - 公布日： 2023-10-13 - 主分类号： G06T5/50 文献下载
摘要：本发明提供了基于空‑谱特征融合的高光谱图像空间分辨率增强方法，根据高光谱图像与多光谱图像的波段范围，将高光谱图像划分为与多光谱图像的重叠波段与非重叠波段，再对重叠部分和非重叠部分分别进行增强处理。重叠部分采用非负结构化稀疏表示模型(NSSR)来实现重叠波段的融合图像；非重叠部分通过训练数据建立多个分支的重叠波段和非重叠波段之间的非线性映射关系；最后综合考虑各个波段的重构性能，选取最优结果以得到高分辨率高光谱图像从而将低空间分辨率的高光谱图像与高空间分辨率的多光谱图像进行融合，得到高空间分辨率的高光谱图像。
基于特征融合光谱图像空间分辨率增强方法

[发明专利]基于图注意力机制的多光谱与全色图像融合方法及系统-CN202110347974.7有效
发明人：刁文秀;张凯;张风;孙建德;盛志;李卓林;王安飞 -专利权人：山东师范大学
申请日： 2021-03-31 - 公布日： 2022-08-02 - 主分类号： G06T5/50 文献下载
摘要：本发明属于图像处理技术中遥感图像融合领域，提供了一种基于图注意力机制的多光谱与全色图像融合方法及系统，该方法包括：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；将多光谱图像特征图和全色图像特征图输入深度神经网络模型；采用训练样本集和Adam随机梯度下降算法对深度神经网络模型进行训练，基于损失函数优化深度神经网络模型，得到训练好的深度神经网络模型；将待融合的低分辨率的多光谱图像和高空间分辨率的全色图像输入训练好的深度神经网络模型，输出融合后的高空间分辨率的多光谱图像。
基于注意力机制光谱全色图像融合方法系统

[发明专利]一种基于Transformer与CNN分组融合的高光谱图像超分辨方法-CN202310381242.9在审
发明人：詹天明;徐辉;徐超;徐洋;吴泽彬 -专利权人：南京审计大学
申请日： 2023-04-11 - 公布日： 2023-07-18 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于Transformer与CNN分组融合的高光谱图像超分辨方法，包括输入低空间分辨率的高光谱图像，并按通道进行分组，对已分组的高光谱图像进行浅层特征提取，将浅层特征分批输入Transformer和CNN的并行网络中获取深层特征，将深层特征输入分组融合模块获取丢失信息并恢复分辨率，将恢复分辨率的高光谱图像进行合并分组，获得重建后的高分辨率高光谱图像，并通过对比损失函数对网络进行优化。本发明通过Transformer获取全局信息的能力与CNN获取局部信息的能力，并且在网络中通过单元交互模块融合了全局与局部信息、空间与光谱特征，保留了高光谱完整的光谱和空间特征，获得可靠的高分辨率高光谱图像
一种基于 transformer cnn 分组融合光谱图像分辨方法

[发明专利]一种基于改进地理加权回归模型的地表温度降尺度方法-CN202210062674.9在审
发明人：罗小波;王植 -专利权人：重庆邮电大学
申请日： 2022-01-19 - 公布日： 2022-04-22 - 主分类号： G06V20/13 文献下载
摘要：本发明属于遥感图像增强的技术领域，涉及一种基于改进地理加权回归模型的地表温度降尺度方法，包括获取遥感数据进行预处理，根据预处理的遥感数据计算尺度因子和温度差异系数；利用温度差异系数构建改进的地理加权回归模型，建立低空间分辨率下地表温度与尺度因子的回归关系，得到回归系数和残差；通过普通克里金插值将回归系数和残差的低空间分辨率提高到目标高空间分辨率；降低尺度并输入改进的地理加权回归模型，根据之前的地表温度与尺度因子的回归关系得到高空间分辨率下的地表温度值，
一种基于改进地理加权回归模型地表温度尺度方法

[发明专利]从低空间分辨率图像到高分辨率图像的MPI重建方法-CN202211658105.7在审
发明人：田捷;张慧;赵婧;安羽 -专利权人：北京航空航天大学
申请日： 2022-12-22 - 公布日： 2023-04-04 - 主分类号： G06T3/40 文献下载
摘要：本发明属于医学影像领域，具体涉及一种从低空间分辨率图像到高分辨率图像的MPI重建方法、系统、装置，旨在解决现有MPI方法重建的MPI图像空间分辨率低的问题。本方法包括：通过MPI成像设备采集目标对象待重建部位的电压信号，将所述电压信号转化为时域信号，并基于所述时域信号构建低分率图像；将所述时域信号变换得到频域信号，转换后输入预构建的ResNet模型进行残差处理，得到残差处理后的频域信号；将所述低分辨率图像、所述残差处理后的频域信号输入训练好的SAGAN模型的生成器网络，得到重建图像。本发明提升了重建的MPI图像空间分辨率。
空间分辨率图像高分辨率 mpi 重建方法

[发明专利]一种基于剪切波变换的pan-sharpening方法-CN202010616742.2有效
发明人：刘红毅;蒋文;赵肖飞;张军;吴泽彬;韦志辉 -专利权人：南京理工大学
申请日： 2020-06-30 - 公布日： 2022-09-27 - 主分类号： G06T5/50 文献下载
摘要：该方法通过结合高空间分辨率全色图像（PAN）和低空间分辨率多光谱图像（MS）的空谱信息，得到具有高空间分辨率的多光谱图像（HRMS）。本发明在传统pan‑sharpening方法的基础上，不仅利用了PAN图像的空间结构信息和MS图像的光谱信息，并且充分挖掘了高、低分辨率PAN和MS图像之间的光谱和空间关系，通过这些信息的有机融合，得到了具有光谱保真，空间细节丰富的融合图像。
一种基于剪切变换 pan sharpening 方法

[发明专利]一种农林区退耕地信息获取方法-CN202010761233.9在审
发明人：杨邦会;王树东;王春红;殷健;胡乔利;温莹莹;刘利 -专利权人：中科海慧（天津）科技有限公司
申请日： 2020-07-31 - 公布日： 2020-11-27 - 主分类号： G06Q50/02 文献下载
摘要：本发明提供一种农林区退耕地信息获取方法，方法包括：根据低空间高时间分辨率的遥感影像，获得一年内的NDVI序列值；根据NDVI序列值，计算任一年的CV值和提取作物物候信息，进而确定任一个像元区域的种植信息；根据种植信息和作物物候信息，确定任一个像元区域在监控年数内的复种指数；基于复种指数，结合中高空间分辨率的遥感影像序列，精准的确定退耕时间、退耕地面积和退耕地位置。本发明利用低空间高时间分辨率的农林区遥感影像获取时间序列的的NDVI值，计算退耕地位置、退耕时间和退耕地面积，然后应用中高分辨率的遥感影像，并结合不同复种指数遥感模型获得退耕地信息，提高信息提取的精度。
一种农林耕地信息获取方法

[发明专利]一种多尺度空间投影遥感影像融合方法-CN201010266813.7有效
发明人：邵振峰;刘军 -专利权人：武汉大学
申请日： 2010-08-30 - 公布日： 2010-12-15 - 主分类号： G06T5/50 文献下载
摘要：本发明涉及一种多尺度空间投影遥感影像融合方法，包括以下步骤：利用原始低空间分辨率的多光谱影像计算其亮度影像，通过改进的高斯尺度空间理论，分别生成该亮度影像和原始高空间分辨率全色影像的高斯影像立方体，然后利用高斯影像立方体的层间差异提取亮度影像和全色影像的空间细节特征，最后将空间细节特征按照加权融合策略投影到原始多光谱影像上，得到具有高空间分辨率和高光谱分辨率的融合多光谱影像。本发明在提高融合影像的空间细节表现能力的同时，很好地保留了原多光谱图像的光谱信息，其物理意义明确，实现结构简单，融合效果好。
一种尺度空间投影遥感影像融合方法

[发明专利]基于多尺度特征反卷积的超分辨率建筑物精细识别方法-CN202110747982.0有效
发明人：张滔;李朋龙;丁忆;马泽忠;李晓龙;罗鼎;肖禾;文力;李胜;王亚林;敖影;段松江;曾攀;舒文强;贾雯 -专利权人：重庆市地理信息和遥感应用中心
申请日： 2021-07-02 - 公布日： 2022-01-11 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于多尺度特征反卷积的超分辨率建筑物精细识别方法，包括步骤：制作训练样本集；构建包括编码器模块、解码器模块、多尺度特征反卷积模块、特征融合模块与类别判定模块的超分辨率语义分割卷积神经网络；输入所述训练样本集对超分辨率语义分割卷积神经网络进行训练；采用训练后的超分辨率语义分割卷积神经网络对待识别影像进行处理，获得识别结果。其显著效果是：提出了基于多尺度特征反卷积的超分辨率语义分割网络MLSRSS‑Net，综合了编码器的多尺度初级特征反卷积上采样和解码器的高级对象语义特征反卷积上采样，实现了输入为较低空间分辨率的遥感影像，输出为高空间分辨率的建筑物语义图，显著提高了目标提取精度。
基于尺度特征卷积分辨率建筑物精细识别方法

[发明专利]一种基于低空间分辨率遥感图像的超分辨率方法及装置-CN202210809406.9在审
发明人：李军;何鸿杰;马凌飞;李静 -专利权人：中央财经大学
申请日： 2022-07-11 - 公布日： 2022-11-29 - 主分类号： G06T3/40 文献下载
摘要：本申请提供一种基于低空间分辨率遥感图像的超分辨率方法及装置，该方法包括：利用浅层特征提取模块提取遥感图像的浅层特征；将浅层特征输入深层特征提取模块，提取遥感图像的深层特征；深层特征提取模块包括基于动量和空‑谱注意力机制的残差特征聚合模块，用于提升对遥感图像关键特征和重点区域的表征能力；将深层特征输入高分辨率图像重建模块，得到遥感图像重建后对应的超高分辨率图像。该方案能够在空间注意力基础上感知深层特征通道间的差异，并能够根据信息差异对通道特征增加权重信息，提升模型的感知能力，提高超分辨率图像质量。
一种基于空间分辨率遥感图像方法装置

[发明专利]图像模糊校正设备及其控制方法-CN201810922604.X有效
发明人：竹内谦司 -专利权人：佳能株式会社
申请日： 2018-08-14 - 公布日： 2021-12-28 - 主分类号： H04N5/232 文献下载
摘要：在摄像设备中，第一运动矢量检测器基于具有低空间分辨率的图像来计算第一运动矢量，并且基于具有高空间分辨率的图像来计算第二运动矢量。计算对于针对第一运动矢量的频率成分的频率分辨率低的信息具有大的权重的第一控制量、以及对于针对第二运动矢量的频率成分的频率分辨率高的信息具有大的权重的第二控制量。通过与针对第一运动矢量和第二运动矢量的频率成分的频率分辨率无关地乘以预定权重来计算第三控制量。根据第一控制量至第三控制量来进行图像模糊校正透镜的驱动控制。
图像模糊校正设备及其控制方法

[发明专利]基于矩阵分解网络的无监督高光谱图像超分辨率方法-CN202211694714.8在审
发明人：刘建军;张静怡;金迪一;尚艳丽;杨金龙 -专利权人：江南大学
申请日： 2022-12-28 - 公布日： 2023-03-28 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了基于矩阵分解网络的无监督高光谱图像超分辨率方法，属于高光谱图像处理技术领域。本发明对高光谱图像处理，生成模拟的低空间分辨率高光谱图像Y和高空间分辨率的多光谱图像Z；首先将生成的数据对(Y，Z)输入设计的自动编码器网络，训练迭代得到点扩散函数和光谱响应函数；对于目标高空间分辨率高光谱图像X，可以假设为末端成员矩阵A和对应丰度矩阵S的线性组合，即X＝AS，结合光谱和空间退化模型进行建模，通过设计的深度CP分解模块计算A，迭代求解A和S，最后得到融合结果。本发明能够得到更加丰富的光谱和空间特征，得到了更好的融合结果，在实践中表现出了良好的性能。
基于矩阵分解网络监督光谱图像分辨率方法