“高光谱图像”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4234320个，建议您升级VIP下载更多相关专利

[发明专利]一种基于新型多元偏态t分布模型的高光谱图像异常检测方法-CN202210964927.1在审
发明人：宋江鲁奇;罗云麟;于跃;周慧鑫;李幸;李欢;张嘉嘉;张喆;滕翔;刘志宇;杨庆友;王炳健;梅峻溪;白宇婷;朱贺隆 -专利权人：西安电子科技大学
申请日： 2022-08-12 - 公布日： 2022-11-18 - 主分类号： G06T7/00 文献下载
摘要：本发明涉及基于新型多元偏态t分布模型的高光谱图像异常检测方法，利用自编码器和新型多元偏态t分布模型建模的方法实现对高光谱图像进行异常检测。具体方法包括：首先使用RX算法对原始高光谱图像进行预处理，选取结果的背景部分输入到栈式降噪自编码器网络中进行训练；然后将原始高光谱图像输入到训练好的栈式降噪自编码器中，输出得到重建的高光谱图像；最后将重建高光谱图像与原始高光谱图像相减得到重建误差
一种基于新型多元分布模型光谱图像异常检测方法

[发明专利]基于低秩平滑特性的高光谱显微图像平场校正方法及系统-CN202210645619.2在审
发明人：谷延锋;王煜坤 -专利权人：哈尔滨工业大学
申请日： 2022-06-08 - 公布日： 2022-08-23 - 主分类号： G06T5/00 文献下载
摘要：基于低秩平滑特性的高光谱显微图像平场校正方法及系统，涉及图像平场校正领域。本发明是为了解决目前的平场校正方法还无法在不采集白平衡数据的情况下，有效地校正高光谱显微系统中的不均匀光照，从而限制了高光谱显微系统在组织病理学处理中的应用的问题。本发明包括：获取待测的高光谱显微图像，将图像输入到LRSFC模型的最优解中，获得平场校正后的高光谱显微图像；获取LRSFC模型的最优解包括：采集高光谱显微图像，并分为训练集和测试集；利用训练集建立LRSFC模型；对LRSFC模型进行求解，获得LRSFC模型的通解；利用LRSFC的通解获取高光谱显微图像的平场项；利用高光谱显微图像平场项对测试集评分获取LRSFC模型最优解。本发明用于对高光谱显微图像进行平场校正。
基于平滑特性光谱显微图像校正方法系统

[发明专利]基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法-CN201610969296.7在审
发明人：谷延锋;刘天竹 -专利权人：哈尔滨工业大学
申请日： 2016-10-28 - 公布日： 2017-01-25 - 主分类号： G06K9/62 文献下载
摘要：基于形态学轮廓特征和非线性多核学习的高光谱图像分类方法，本发明涉及高光谱图像分类方法。本发明的目的在于克服在高光谱图像分类方法中不能对高光谱图像的空间信息进行充分挖掘以及没有考虑基核之间非线性交互作用产生的有用信息的不足。具体过程为一利用主成分分析方法提取高光谱图像的主成分，在主成分基础上获取高光谱图像扩展的多结构元素形态学轮廓特征；二构建线性基核；三得到非线性组合核；四将非线性组合核带入支持向量机中，采用梯度下降法得到的最优核权重；五对高光谱图像进行分类。本发明用于图像分类领域。
基于形态学轮廓特征非线性多核学习光谱图像分类方法

[发明专利]小波变换和局部插值融合的高光谱图像条带噪声消除方法-CN201610985086.7有效
发明人：黄世奇;刘哲;王荣荣;张玉成;张婷 -专利权人：西京学院
申请日： 2016-10-31 - 公布日： 2019-03-05 - 主分类号： G06T5/00 文献下载
摘要：小波变换和局部插值融合的高光谱图像条带噪声消除方法，先输入高光谱图像数据立方体，然后对高光谱图像波段数据进行判断，剔除损坏的高光谱图像波段数据，读取正常的第k波段的高光谱图像数据，分别用二维平稳小波、局部插值进行高光谱图像数据的条带噪声滤除，然后进行融合处理，本发明不仅能有效地消除一般的细条带噪声，而且对宽带和超宽带以及分布无规律的条带噪声均能起到消除作用，还能较好地保持图像中的一些细节和边缘几何信息，同时还能应用于不同的高光谱图像，有着较好的普适性
变换局部融合光谱图像条带噪声消除方法

[发明专利]一种高光谱超像元分割方法-CN201810201837.0有效
发明人：林连雷;王建峰;周祝旭 -专利权人：哈尔滨工业大学
申请日： 2018-03-12 - 公布日： 2021-07-30 - 主分类号： G06T7/11 文献下载
摘要：一种基于主成分加权假彩色合成和颜色直方图驱动的高光谱超像元分割方法，它属于高光谱图像分割技术领域。本发明解决了由于高光谱图像数据维数高、数据冗余多导致的对图像实时分割困难的问题。本发明将高光谱图像的主要光谱信息放入假彩色图像中，对高光谱数据进行降维；将主成分加权假彩色合成图像分割成网格区域后，采用像元级和块级两个尺度对分割后的主成分加权假彩色合成图像的每一个超像元的边界进行遍历迭代，每次完整的迭代后均获得新的图像分割方案，采用直方图驱动函数对每次完整的迭代后得到的新分割方案进行评估，最终获得最佳的图像分割方案，实现对高光谱图像的超像元分割。本发明可以应用于高光谱图像的分割领域用。
一种光谱超像元分割方法

[发明专利]一种基于预处理的高光谱图像超分辨率重建方法-CN202310531567.0在审
发明人：李宁;马如彬;焦继超;徐威;逄敏;董建业;李嘉俊 -专利权人：北京邮电大学;中国电波传播研究所（中国电子科技集团公司第二十二研究所）
申请日： 2023-05-11 - 公布日： 2023-10-24 - 主分类号： G06T3/40 文献下载
摘要：本发明提出一种基于预处理的高光谱图像超分辨率重建方法，属于视觉图像处理领域，具体为：首先，提取可见光RGB图像Z多层次的特征Z'；然后，迭代高光谱图像Y，上下采样预处理，得到Yn；将特征Z'通过SE模块，再与Yn拼接，通过两次SE模块和3×3的卷积，得到融合后的高分辨率高光谱图像X；再次降采样，分别得到低分辨率的高光谱图像和可见光图像，与原始的图像相减，得到两个图像残差分别执行特征提取和上下采样预处理；并重复执行融合，得到高分辨率高光谱图像X1；最后，将图像X1重复迭代三次，得到融合后的高分辨率高光谱图像Xn；与上一次生成的高分辨率高光谱图像前后拼接，再进行卷积得到重建的超分辨率的高光谱图像。本发明提高了重建后的光谱分辨率。
一种基于预处理光谱图像分辨率重建方法

[发明专利]一种星载高光谱图像几何定位校正方法及装置-CN202211071839.5在审
发明人：程良晓;蔡建伟;胡忠正;范兰兰;喻文勇;林军 -专利权人：中国资源卫星应用中心
申请日： 2022-08-31 - 公布日： 2023-04-04 - 主分类号： G06T5/00 文献下载
摘要：本发明实施例公开了一种星载高光谱图像几何定位校正方法及装置。所述方法包括：获取高光谱图像对应的基准轨道数据；根据所述基准轨道数据，确定对比度增强图像；对所述对比度增强图像进行边缘检测处理，得到候选边缘像元；根据所述候选边缘像元，确定所述高光谱图像上隶属于岛屿海陆边界的边缘像元；根据所述边缘像元，确定几何定位偏移量；根据所述几何定位偏移量对所述高光谱图像上的所有像元进行几何定位校正处理，得到校正后的高光谱图像。本发明实施例能够实现星载高光谱图像几何定位偏差的自动校正，且可以提高星载高光谱图像的校正速度和校正精度。
一种星载高光谱图像几何定位校正方法装置

[发明专利]引导滤波长短记忆神经网络高光谱遥感图像的分类方法-CN201710981125.0有效
发明人：曹菡;郭延辉;韩思明;张延 -专利权人：陕西师范大学
申请日： 2017-10-19 - 公布日： 2021-08-27 - 主分类号： G06K9/00 文献下载
摘要：一种引导滤波长短记忆神经网络高光谱遥感图像的分类方法，由获取高光谱遥感图像的引导滤波图像、对高光谱遥感图像P进行滤波处理、对滤波后的图像Q进行归一化处理、构建高光谱遥感图像P的长短记忆神经网络、训练高光谱遥感图像本发明采用引导滤波对高光谱图像进行去燥，对其进行平滑，提高了分类效果。针对高光谱图像标注样本较少的情况，防止出现模型的过拟合现象，在损失函数中加入正则项。
引导滤波长短记忆神经网络光谱遥感图像分类方法

[发明专利]一种基于空谱联合注意力机制的医学高光谱图像分类方法-CN202310876343.3有效
发明人：单彩峰;陈凯;陈宇;赵猛 -专利权人：山东科技大学
申请日： 2023-07-18 - 公布日： 2023-10-10 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于空谱联合注意力机制的医学高光谱图像分类方法，属于图像处理领域，该方法为：将全部N张高光谱图像数据构成数据集D，将数据集D划分为训练集和测试集；为高光谱图像的每个波段赋予重要性权重；构建可保留空间分辨率的高光谱图像重构网络，学习高光谱图像的低维特征；将低维特征输入到金字塔池化双注意力轻量化残差分类网络，计算得到最终的分类结果。本发明在图像降维和分类过程中充分利用高光谱图像的波段信息和空间信息，实现医学高光谱图像的准确分类，有效提升了最终的分类精度。
一种基于联合注意力机制医学光谱图像分类方法

[发明专利]一种基于哈希学习的高光谱图像分类方法-CN201810012064.1有效
发明人：于纯妍;宋梅萍;赵猛;张建祎 -专利权人：大连海事大学
申请日： 2018-01-05 - 公布日： 2021-08-27 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种基于哈希学习的高光谱图像分类方法，包括：将高光谱图像做零均值化处理，得到高光谱数据均值；根据所述高光谱数据样本均值确定真实图像中每一类地物的非目标地物的光谱特征；根据所述光谱特征定义哈希函数，并计算所述哈希函数的偏移量、最大特征向量；根据所述偏移量、最大特征向量提取哈希语义特征；根据所述提取的哈希语义特征进行高光谱图像分类。本发明将提取到的语义特征与原始高光谱地物数据融合之后，可以有效提高原高光谱数据的分类与识别精度。
一种基于学习光谱图像分类方法

[发明专利]一种基于边缘保持的卷积神经网络高光谱图像分类方法-CN201910691340.6在审
发明人：雷建军;李鑫宇;韩梦芯;李奕;石雅南;杨博兰 -专利权人：天津大学
申请日： 2019-07-29 - 公布日： 2019-11-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于边缘保持的卷积神经网络高光谱图像分类方法，所述方法包括以下步骤：对原始高光谱图像进行边缘保持滤波处理，获取滤波后图像；分别选取原始高光谱图像和滤波后图像的中心像素窗口内的像素作为像素块；对上述像素块进行旋转和变换，获取数据增强后的像素块；将数据增强后的像素块作为卷积神经网络的输入，通过卷积神经网络提取空间‑光谱特征。本发明通过对高光谱图像进行边缘滤波，实现对高光谱图像的分类。
高光谱图像像素块卷积神经网络滤波边缘保持图像光谱特征获取数据滤波处理数据增强中心像素分类像素

[发明专利]基于分形多小波的高光谱图像压缩方法-CN202010749150.8有效
发明人：李永军;李莎莎;李婷婷;杜浩浩;陈竞;陈立家;张东明;李鹏飞 -专利权人：河南大学
申请日： 2020-07-30 - 公布日： 2021-04-13 - 主分类号： H04N19/64 文献下载
摘要：本发明提供了基于分形多小波的高光谱图像压缩方法，利用3D SPIHT图像压缩系统，将待压缩三维高光谱图像进行分组，并利用构建的分形多小波滤波器矩阵对扩展后的待压缩三维高光谱图像进行分形多小波变换，最终利用量化系数得到基于分形多小波的3D SPIHT高光谱图像压缩码流；本发明所述的基于分形多小波的高光谱图像压缩方法，基于分形多小波变换的3D SPIHT，采用分层树集合划分（SPIHT）编码方法，能够很好地利用高光谱图像分形多小波系数的分布特征和不同尺度间高光谱图像小波系数的关联性，而且也尽可能照顾到了同一尺度间高光谱图像小波系数的关联性，完成了高光谱图像可分级压缩编码，具有更高的压缩编码效率。
基于分形多小波光谱图像压缩方法

[发明专利]一种基于非凸低秩矩阵分解的高光谱图像去噪方法-CN201611152247.0有效
发明人：陈勇勇;霍兆坤;郭延文 -专利权人：上海增容数据科技有限公司
申请日： 2016-12-14 - 公布日： 2019-08-13 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种基于非凸低秩矩阵分解的高光谱图像去噪方法，包括了以下步骤：1，分割高光谱图像；2，生成矩阵；3，非凸低秩矩阵分解；4，还原子块；5，还原高光谱图像据，最后得到去噪后的高光谱图像。本发明为遥感高光谱图像去噪提供了一种高效、快速地去除各种噪声的方法。
高光谱图像去噪低秩矩阵分解生成矩阵去除还原噪声遥感分割

[发明专利]基于联合优化的高光谱和多光谱图像融合方法、计算机可读存储介质、电子设备-CN201910355496.7有效
发明人：郑向涛;陈文静;卢孝强;刘康 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-04-29 - 公布日： 2020-12-25 - 主分类号： G06T5/50 文献下载
摘要：本发明提供一种基于联合优化的高光谱和多光谱图像融合方法、计算机可读存储介质、电子设备，解决现有高光谱和多光谱图像融合方法依赖空间退化矩阵，导致高光谱图像空间分辨率较低的问题。该方法包括以下步骤：步骤1、输入真实值；步骤2、对真实值进行预处理，得到可观测的低空间分辨率高光谱图像和可观测的高空间分辨率多光谱图像；步骤3、根据线性光谱混叠模型，利用非负矩阵分解，对图像Ih和图像Im进行光谱解混，联合优化所需的端元矩阵和丰度矩阵，得到图像Ih的端元矩阵E、丰度矩阵Ah和图像Im的丰度矩阵A；步骤4、估计出高空间分辨率高光谱图像，记作图像Z。
基于联合优化光谱图像融合方法计算机可读存储介质电子设备

[发明专利]一种基于物理噪声模型的高质量光谱去噪方法-CN202111029792.1在审
发明人：付莹;张涛 -专利权人：北京理工大学
申请日： 2021-09-03 - 公布日： 2021-12-07 - 主分类号： G06T5/00 文献下载
摘要：本发明公开的一种基于物理噪声模型的高质量光谱去噪方法，属于计算摄像学领域。本发明实现方法为：分析高光谱相机的物理成像过程，根据噪声源分析建立高光谱相机的物理噪声模型，使用统计建模的方式标定物理噪声模型参数，构建高质量仿真噪声数据集，训练高光谱去噪神经网络，能够在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪。本发明能够高质量地完成基于扫描的高光谱相机的高光谱图像去噪，在显著节省构建高光谱去噪数据集所用的采集图像资源，实现高效率和高精度高光谱图像去噪，提高成像质量，扩展高光谱图像的应用范围。
一种基于物理噪声模型质量光谱方法