[发明专利]基于光谱变化增广的伪装目标检测方法及装置在审
| 申请号： | 202310446658.4 | 申请日： | 2023-04-24 |
| 公开（公告）号： | CN116630655A | 公开（公告）日： | 2023-08-22 |
| 发明（设计）人： | 梅少辉;谢博博;张易凡;马明阳;冯燕 | 申请（专利权）人： | 西北工业大学 |
| 主分类号： | G06V10/58 | 分类号： | G06V10/58;G06V10/774;G06V10/772;G06V10/762 |
| 代理公司： | 西安维赛恩专利代理事务所(普通合伙) 61257 | 代理人： | 李明全 |
| 地址： | 710072 *** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于光谱变化增广的伪装目标检测方法及装置，先根据高光谱图像获取背景光谱变化字典和目标光谱变化字典，然后将背景光谱变化字典与目标光谱变化字典合并形成联合光谱变化字典，再利用联合光谱变化字典分别对背景字典和目标字典进行扩展，形成扩展背景字典和扩展目标字典，再基于协同表示使用扩展背景字典和扩展目标字典分别对测试样本进行重构，计算扩展背景字典的重构误差和扩展目标字典的重构误差，再根据扩展背景字典的重构误差和扩展目标字典的重构误差判别测试样本是否为伪装目标。该方法增加了字典中光谱变化的多样性，解决了由样本数量少和光谱变化导致的字典中光谱变化多样性有限的问题，进而提升了该方法的检测准确率。 | ||
| 搜索关键词： | 基于 光谱 变化 增广 伪装 目标 检测 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西北工业大学，未经西北工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310446658.4/，转载请声明来源钻瓜专利网。
- 同类专利
- 基于空谱特征提取的高光谱端到端压缩方法-202310919325.9
- 王柯俨;刘园;周培诚;麦兴国;熊浩博;刘凯;张静;李云松 - 西安电子科技大学
- 2023-07-25 - 2023-10-20 - G06V10/58
- 本发明公开了一种基于空谱特征提取的高光谱端到端压缩方法，主要解决现有高光谱图像压缩方法不能充分利用高光谱图像光谱信息提取光谱特征的问题。其实现方案是：将现有高光谱数据集划分为训练集和测试集，并对训练集进行扩充；构建包括空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块组成的基于空谱特征提取的高光谱端到端压缩网络及其损失函数；将训练集按批量大小分别平分为多个图像组，并依次循环输入多次，直到损失函数收敛完成训练；将测试集输入到训练好的压缩网络，得到重建的高光谱图像。本发明能分别提取空间特征和光谱特征，有效提高高光谱图像压缩效率，可用于遥感高光谱图像的处理。
- 多光谱图像预处理方法、活体检测方法、设备及存储介质-202310613297.8
- 邓可望;刘敏;龚冰冰;蔡万源;师少光;刘庆龙 - 奥比中光科技集团股份有限公司
- 2023-05-26 - 2023-10-17 - G06V10/58
- 本申请提供了一种多光谱图像预处理方法、活体检测方法、设备及存储介质。其中，多光谱图像预处理方法包括：获取多光谱图像；根据所获取的多光谱图像中每个像素的各个通道的数字量化值，计算每个像素的各个通道的等效反射率；根据每个像素的各个通道的等效反射率，生成多光谱反射率图像。活体检测方法包括：识别多光谱反射率图像中待识别人脸的多个特征区域，并获取各个特征区域的反射率曲线；根据各个特征区域的反射率曲线，检测待识别人脸是否为活体。本申请通过对多光谱图像进行预处理，消除了采集多光谱图像时，光照强度或方向对反射率的影响，提高了活体检测的精度。
- 多光谱遥感图像的光谱特征提取方法、装置及存储介质-202310659687.9
- 阎继宁;王力哲;张倩;宋维静;韩伟;黄晓辉 - 中国地质大学（武汉）
- 2023-06-06 - 2023-10-13 - G06V10/58
- 本发明提供了一种多光谱遥感图像的光谱特征提取方法、装置及存储介质，涉及遥感技术领域，该方法包括：获取待研究区域的多光谱遥感图像；预处理所述多光谱遥感图像，得到关于所述多光谱遥感图像的谱段及谱段之间关联关系的节点数据；将所述节点数据输入图卷积神经网络进行处理，输出得到所述多光谱遥感图像的光谱特征信息。本发明在进行多光谱遥感图像的光谱特征提取时，基于关于多光谱遥感图像的谱段及谱段之间关联关系的节点数据，采用图卷积神经网络来提取多光谱遥感影像的光谱特征信息，实现了更显著、更有判别力的光谱特征信息的提取，能够得到更具判别性的光谱特征信息。
- 一种聚氨酯功能材料构件的多特征融合图像辨识方法、装置及介质-202310705032.0
- 吴护林;邓贤明;张天才;朱凡;李忠盛;周堃;张翼翔;陈知华;徐塱;汪家辉;代欣位;刘朋浩;吴非;王森;高浩然 - 中国兵器装备集团西南技术工程研究所
- 2023-06-14 - 2023-10-03 - G06V10/58
- 一种聚氨酯功能材料构件的多特征融合图像辨识方法、装置及介质。它基于深度学习模型与多层级融合架构的光谱、红外、可见光多层级融合检测，利用光谱、红外、可见光多层级融合实现复杂背景环境下的聚氨酯功能材料构件融合识别。本发明针对聚氨酯功能材料的特殊光学性能，通过红外成像特征、可见光成像特征、高光谱特征以及红外可见光融合特征进行分别辨识，再融合辨识结果获取最终结果，可显著提高聚氨酯功能材料构件的辨识准确率，特别是红外可见光融合特征用于聚氨酯功能材料构件辨识属于独创方式，具有显著的效果。
- 基于图transformer引导的多时相信息联合高光谱变化检测方法-202310710069.2
- 王相海;赵晓阳;李思瑶;耿婷婷;宋传鸣 - 辽宁师范大学
- 2023-06-15 - 2023-10-03 - G06V10/58
- 本发明公开了一种基于图transformer引导的多时相信息联合高光谱变化检测方法，通过构建拓扑结构图，使网络能够以半监督的学习模式，将标签传播至未标记的样本上，减少训练时对大量训练样本的依赖；提出显著关系强化的图transformer模块，该模块将transformer作用于以超像素为节点的图结构，实现在低计算成本的条件下，突破传统对邻接关系的定义，获取任意两个子区域间亲和关系，捕捉整幅影像中的变化信息；提出门控变化信息融合单元，旨在有效地将GTrans模块引导的变化特征注入原始双时相拼接特征，实现了多时项信息的有机融合。
- 中医高光谱舌象图像波段的选择方法及相关装置-202310781536.0
- 张冬;张俊华 - 广东省新黄埔中医药联合创新研究院
- 2023-06-28 - 2023-09-29 - G06V10/58
- 本申请提供一种中医高光谱舌象图像波段的选择方法及相关装置，在于从高光谱舌象图像中选取出对舌色分类最重要的光谱波长波段；通过重要波段的提取，可以实现在保证后续舌色预测模型预测准确性与稳定性的前提下，降低系统的计算成本与开销，简化预测模型本身；根据本发明的波段选择结果对现有的高光谱舌象图像数据进行波段筛选，可以实现数据存储占用空间的优化；根据本发明的波段选择结果进行图像采集，则可以直接降低采集成本。
- 一种基于核泰勒分解的高光谱图像特征提取方法-202210615090.X
- 邢长达;汪美玲;王志胜 - 南京航空航天大学;南京航空航天大学深圳研究院
- 2022-06-01 - 2023-09-29 - G06V10/58
- 本发明公开了一种基于核泰勒分解的高光谱图像特征提取方法，包括如下步骤：步骤1、输入高光谱图像X∈R
- 一种基于高光谱图像的舌象特征提取方法及系统-202310706274.1
- 杨照华;陈伊靖;张汇源 - 北京航空航天大学
- 2023-06-14 - 2023-09-05 - G06V10/58
- 本发明公开一种基于高光谱图像的舌象特征提取方法及系统，涉及光谱学领域。该方法包括：获取待测高光谱图像；待测高光谱图像为待测舌体的舌体部位高光谱图像；采用主成分分析法对待测高光谱图像进行数据特征提取，得到待测舌体的第一主成分、第二主成分和第三主成分；根据待测舌体的第一主成分、第二主成分和第三主成分以及待测高光谱图像确定待测舌体的空谱特征；空谱特征包括：舌苔空间特征、舌苔光谱与颜色特征、裂纹空间特征、齿痕空间特征和舌形空间特征。本发明能够从舌体的高光谱图像中提取涵盖舌体的颜色、纹理和形状信息的多种光谱特征和空间特征，从而对舌体进行高效、准确分类。
- 基于光谱变化增广的伪装目标检测方法及装置-202310446658.4
- 梅少辉;谢博博;张易凡;马明阳;冯燕 - 西北工业大学
- 2023-04-24 - 2023-08-22 - G06V10/58
- 本发明公开了一种基于光谱变化增广的伪装目标检测方法及装置，先根据高光谱图像获取背景光谱变化字典和目标光谱变化字典，然后将背景光谱变化字典与目标光谱变化字典合并形成联合光谱变化字典，再利用联合光谱变化字典分别对背景字典和目标字典进行扩展，形成扩展背景字典和扩展目标字典，再基于协同表示使用扩展背景字典和扩展目标字典分别对测试样本进行重构，计算扩展背景字典的重构误差和扩展目标字典的重构误差，再根据扩展背景字典的重构误差和扩展目标字典的重构误差判别测试样本是否为伪装目标。该方法增加了字典中光谱变化的多样性，解决了由样本数量少和光谱变化导致的字典中光谱变化多样性有限的问题，进而提升了该方法的检测准确率。
- 一种基于Transformer的高光谱图像全局信息提取方法-202310338398.9
- 黄梦凡;王长海;杨凯;胡文君;肖亮亮;周敏璐;王建明;张昕;陆海鹏;吴宇昊 - 广西交通设计集团有限公司
- 2023-03-31 - 2023-08-11 - G06V10/58
- 本发明公开了一种基于Transformer的高光谱图像全局信息提取方法，包括以下步骤：通过多光谱传感器获得监测区域的全色光谱图像，对全色光谱图像的分布进行标识；对标识的全色高光谱图像进行汇集后，利用PCA算法对高光谱图像进行降维处理，然后将降维处理后的高光谱图像利用空‑谱联合特征提取模块提取高光谱图像的空‑谱联合特征；最后利用Visual‑transformer模型对提取后的空‑谱联合特征进行分类并输出输出分类结果。本发明目的在于全面精准地提取高光谱图像的光谱‑空间全局信息，提升高光谱图像分类模型性能表现，提取方法能够更加有效的提取空‑谱联合特征，取得了更好的分类性能。
- 基于玻尔兹曼熵相似性的高光谱图像波段选择方法及系统-202310553197.0
- 高培超;扈廷锐;宋长青;叶思菁 - 北京师范大学
- 2023-05-16 - 2023-08-08 - G06V10/58
- 本发明提供一种基于玻尔兹曼熵相似性的高光谱图像波段选择方法及系统，属于图像处理技术领域，该方法包括：获取高光谱图像中每一个波段依次与其他波段组成的至少一个波段对；基于各波段对的玻尔兹曼熵差，确定各波段对的相似度和所述高光谱图像的相似性阈值；基于各波段对的相似度和所述高光谱图像的相似性阈值，确定每一个波段的相似性指标和区分性指标；基于每一个波段的相似性指标和区分性指标，确定高光谱图像所有波段的序列；基于高光谱图像所有波段的序列，选择预设数量的波段，从而在确保波段选择效率的前提下，提升高光谱图像波段选择的准确度。
- 一种利用高光谱成像技术判别白芷产地的方法-202310531009.4
- 徐宁;吴洋洋;林纪东 - 浙江工业大学
- 2023-05-12 - 2023-08-04 - G06V10/58
- 本发明公开了一种利用高光谱成像技术判别白芷产地的方法，该方法应用高光谱仪器采集不同产地白芷的光谱信息，经过多种预处理方法，基于支持向量机选择最佳预处理方法，分别将最佳预处理后的全波长作为输入，白芷的产地作为输出，建立支持向量机、多层感知机、逻辑回归和宽度学习系统判别模型，模型的建模集和预测集识别准确率均在96％以上，尤其是基于全波长的BLS模型判别效果最佳，建模集和预测集识别率分别达到了97.04％和97.09％。本发明实现了不同产地白芷的快速识别，检测速度快，准确率高，操作简单。
- 基于深度联合稀疏-协同表示的高光谱图像特征表示方法-202111492113.4
- 邢长达;汪美玲;段朝伟;丛玉华;王志胜;刘一柳 - 南京航空航天大学;南京航空航天大学深圳研究院
- 2021-12-08 - 2023-07-25 - G06V10/58
- 本发明公开了一种基于深度联合稀疏‑协同表示的高光谱图像特征表示方法，首先考虑到高光谱图像各像素包含非线性信息并且其频谱间存在冗余，以及同类像素样本之间也具有很强的相关性；其次，提出了深度联合稀疏‑协同表示的高光谱图像特征表示方法，能够同时表示出像素样本内的显著信息及样本之间的相关性信息，并能够提取出高光谱图像的深层非线性特性；最后，设计了一种交替迭代算法来对深度联合稀疏‑协同表示的高光谱图像特征表示方法进行求解，得到高光谱图像特征表示形式。本发明通过采用深度网络进行非线性映射，并结合稀疏表示和协同表示，充分考虑像素样本的冗余性和非线性以及样本间的相关性，从而提取出更加具备判别性的特征。
- 基于测地线空谱协同图学习的高光谱图像特征提取方法-202210007221.6
- 熊炫睿;席娟;郭坦 - 重庆邮电大学
- 2022-01-05 - 2023-07-21 - G06V10/58
- 本发明属于遥感图像处理技术领域，涉及一种基于测地线空谱协同图学习的高光谱图像特征提取方法。该方法利用协同表示方法学习高光谱图像像素间的全局协同表示关系，并通过局部约束刻画高光谱数据的局部流形结构以提高系数矩阵的判别能力。除此之外，在上述构建的全局协同表示模型的正则化项中融入空间邻近信息与基于测地线距离的光谱信息，获得测地线度量约束的空谱协同表示系数矩阵，以充分揭示和利用高光谱数据的空谱邻近结构特性。在此基础上，利用该表示系数矩阵构造无监督加权图，基于图嵌入理论推导出最优的高光谱低维特征投影矩阵，将原始高光谱图像映射到低维特征子空间。相比于其他特征提取方法，本方法能够提供更加有价值的特征信息，有效发掘高光谱数据的复杂内蕴特性，从而取得更高的分类精度。
- 基于CUDA加速的高光谱图像异常目标探测方法-202310263730.X
- 王文正;武润培;唐林波;聂晓风;高鹏程 - 北京理工大学;北京理工大学前沿技术研究院
- 2023-03-12 - 2023-07-11 - G06V10/58
- 基于CUDA加速的高光谱图像异常目标探测方法，本发明涉及异常目标检测领域。本发明的目的是解决当前利用高光谱图像进行异常目标探测实时性差的问题。提出了基于CUDA加速的探测方法，该方法主要包括以下过程：1、CPU主机端获取并通过数据重构预处理高光谱图像；2、将预处理数据从CPU主机端的内存拷贝到GPU设备端的显存；3、设计矩阵均值与差分kernel函数进行数据去中心化，设计矩阵乘法kernel函数、广义矩阵求逆kernel函数、Hadamard积kernel函数、以及行求和kernel函数进行协方差矩阵、逆协方差矩阵以及异常检测结果的计算；4、在CPU主机端进行阈值分割并将检测结果保存到存储器端。本发明基于异构编程模型实现，能够满足对高光谱图像数据的实时处理需求。
- 基于多层次变分自动编码器的高光谱图像特征提取方法-202111627432.1
- 于文博;黄鹤;沈纲祥 - 苏州大学
- 2021-12-28 - 2023-07-11 - G06V10/58
- 本申请提出一种针对高光谱图像的基于多层次变分自动编码器的高光谱图像特征提取方法。该方法用变分自动编码器作为方法基本框架，并采用最终修正得到的融合特征作为训练后最终输出的空谱联合特征。该方法可以更好地提取数据中的重要判别信息，提高像元的可分类能力和分类精度，减少后续分类任务中误分类现象的发生，提高模型的抗噪声干扰能力。
- 基于张量核范数矩阵回归投影的高光谱图像特征提取方法-202310201287.3
- 邱虹;金恒;王仁芳;高广;程徐 - 浙江万里学院
- 2023-02-23 - 2023-06-06 - G06V10/58
- 本发明公开的一种基于张量核范数矩阵回归投影的高光谱图像特征提取方法，首先通过窗口填充策略对原始高光谱图像数据进行预处理，以防止高光谱图像边缘像素信息的丢失，然后，利用基于核范数的矩阵回归模型NMR自适应地构建块‑张量样本的邻域图，接着，利用计算得出的最优稀疏编码系数获得构图的权重矩阵，之后，采用基于张量表示的投影方法，得到最终的投影矩阵，以提取具有鉴别性的特征，最后，通过稀疏表示分类器SRC对特征提取后的数据进行分类。本发明通过融合张量表示和NMR方法解决现有高光谱图像特征提取过程中难以同时保留光谱特征和空间特征的问题，能有效提升后续高光谱图像分类的分类精度。
- 光谱影像融合方法、装置、设备、存储介质及产品-202310283169.1
- 王文高;陈永录;廖琦;张晓 - 中国工商银行股份有限公司
- 2023-03-22 - 2023-06-06 - G06V10/58
- 本申请提供一种光谱影像融合方法、装置、设备、存储介质及产品，应用于金融科技领域或其他相关领域。本方法包括：获取待识别对象的原始多光谱影像及原始高光谱影像；对原始高光谱影像进行上采样并获取上采样后的高光谱影像；将上采样后的高光谱影像与原始多光谱影像输入训练完成的光谱融合网络中以对所述上采样后的高光谱影像与原始多光谱影像进行光谱融合操作、光谱信息加强操作及空间信息加强操作，并获取训练完成的光谱融合网络输出的待融合对象的目标融合影像。可以生成同时具有丰富的空间信息和光谱信息的目标融合影像，进一步地根据纸币目标融合影像进行识别能够有效的提升真假钞辨别的正确率。
- 一种基于高光谱图像的溢油区域确定方法和装置-202211422760.2
- 陈国荣;黄佳铭;李朗;肖彦冰;文婷婷;袁巧;钟银凤;张毅轩;胡彪彪;汪博城;袁钰;段鸿俊;杨俊良;杜重灵;魏金圣 - 重庆科技学院
- 2022-11-15 - 2023-06-02 - G06V10/58
- 本申请涉及一种基于高光谱图像的溢油区域确定方法和装置，属深度学习及计算机视觉技术领域领域，通过对某些溢油区域明显的波段图像进行裁剪，标注溢油与非溢油区域形成原始训练、测试数据集，保证了前期算法所需的数据的准确性，进而保证算法的科学性，利用卷积神经网络的计算能力，采集数据集中不同程度的图像特征，最后将不同的特征层进行融合，作为最终分割溢油区域的判断依据，进一步检验算法的准确性以及数据集制作的标准性，从而提高识别精度。
- 一种小麦种子分类方法-202310205638.8
- 安金梁;张琛;李亚强;金松林;郑颖;张卫东;李国厚;曲培新;王应军;张自阳 - 河南科技学院
- 2023-03-06 - 2023-05-23 - G06V10/58
- 本发明提供了一种小麦种子分类方法，是基于ICNMF融合方法和3DResnetCBAM网络为基础的方法，它主要将小麦种子的高光谱图像和RGB图像分别进行背景分离，之后再分别得到RGB反射率图像和低空间分辨率高光谱图像，使用ICNMF融合方法融合为高空间分辨率高光谱分辨率的高光谱图像后，送至构建的3DResnetCBAM网络进行识别，得到种子品种。该方法采用易于获取的RGB图像来增强高光谱图像特征，降低采集成本，进而降低小麦种子分类识别的成本。
- 一种基于高光谱成像的苹果霉心病识别方法及系统-202310094878.5
- 田杰;胡秋霞;杨炜 - 西安航空学院
- 2023-02-09 - 2023-05-05 - G06V10/58
- 本发明公开了一种基于高光谱成像的苹果霉心病识别方法及系统，包括：采集苹果的高光谱图像并进行光谱分析，获取原始高光谱图像的光谱数据并确定光谱图像背景与果实区域之间存在较大差距的特定波段；根据特定波段对高光谱图像进行掩膜处理，获得掩膜处理后的苹果高光谱图像并输出光谱数据；采用PCA方法对原始高光谱图像和掩膜处理后的苹果高光谱图像的光谱数据进行处理，获得苹果霉心病高光谱图像特征并输入基于支持向量机的苹果霉心病识别模型，输出识别结果；该系统包括图像采集模块、光谱分析模块、掩膜处理模块、特征提取模块和识别模块，通过高光谱图像处理和光谱分析相结合，无损地检测研究对象内部特性，提高苹果霉心病诊断识别正确率。
- 一种引入注意力机制的多尺度高光谱图像特征提取方法-202211680728.4
- 许张弛;郭宝峰;吴文豪;苏晓通;尤靖云 - 杭州电子科技大学
- 2022-12-26 - 2023-04-18 - G06V10/58
- 本发明涉及一种引入注意力机制的多尺度高光谱图像特征提取方法，包括：S1、将高光谱图像归一化到[‑1,1]之间，生成光谱特征提取样本与空间特征提取样本；S2、将光谱与空间特征提取样本中有标签的样本随机采样，分为训练集、测试集；S3、将光谱训练集与空间训练集分别输入构建的光谱特征提取子网分支与空间特征提取子网分支进行光谱特征提取；S4、引入光谱得分计算网络、空间得分计算网络、权重系数γ对光谱特征和空间特征进行自适应的加权融合；S5、返回步骤S3，直到满足预先设定的迭代次数，否则保存参数；S6、将高光谱图像数据样本输入训练好网络，得到分类映射结果。本发明提高了高光谱图像的分类性能，取得了更加精确分类准确率。
- 一种基于改进自我注意力机制和张量RX的高光谱图像异常目标检测方法-202210923508.3
- 张丽丽;林芳;付保红;谭淑梅;贾滕玉 - 大庆师范学院
- 2022-08-02 - 2023-04-18 - G06V10/58
- 本发明提供的是一种基于改进自我注意力机制和张量RX的高光谱异常检测方法。（1）利用改进自我注意力机制对高光谱图像进行变换；（2）对经过改进自我注意力机制变换的高光谱图像采用张量RX进行异常目标检测。本发明利用深度置信网络（DBN）对高光谱图像进行重建，增大了异常目标点和背景之间的差距；利用改进自我注意力机制，更好地突出了测试点像素，以及其和周围像素点之间的关系；利用张量RX，更加突出了测试点的空间特性，同时考虑了光谱特性和空间特性，改善了检测效果。
- 一种图像的特征提取方法、语义分割方法及其相关装置-202211421065.4
- 崔婵婕;任宇鹏;李乾坤;黄积晟 - 浙江大华技术股份有限公司
- 2022-11-11 - 2023-03-28 - G06V10/58
- 本申请公开了一种图像的特征提取方法、语义分割方法及其相关装置，该方法包括：获取光谱图像，光谱图像是利用多个波段光对环境采集得到；利用语义特征提取网络提取光谱图像的第一空间特征；利用语义特征提取网络基于第一空间特征进行若干级特征提取，以得到光谱图像的目标图像特征，其中，每级特征提取的输入特征包括利用第一空间特征以及之前每一级特征提取得到的第二空间特征进行注意力处理得到的当前级的输入特征。通过上述方式，本申请能够增强光谱图像中的空间信息的提取能力。
- 一种复杂光照条件下的空间目标材质识别方法-202211554769.9
- 赵慧洁;李娜;龚晨耕 - 北京航空航天大学
- 2022-12-06 - 2023-03-14 - G06V10/58
- 一种复杂光照条件下的空间目标材质识别方法，包含以下步骤：(1)输入复杂光照条件下空间目标的高光谱图像；(2)对步骤(1)输入的高光谱图像进行超像素分割，通过基于超像素分割的方法，生成第一层和第二层全局结构拓扑图；(3)对步骤(2)中产生的两层全局结构拓扑图进行合并，形成多尺度联合的全局结构拓扑图，生成步骤(1)输入的高光谱图像的材质识别拓扑图，构成训练集和测试集；(4)构建图卷积神经网络和三维卷积神经网络融合的异构神经网络材质识别模型；(5)将步骤(3)中的测试集输入步骤(4)中的材质识别模型，获得材质类别识别结果。该方法提高了复杂光照条件下的空间目标材质识别效果，具有较高的准确率和较强的鲁棒性。
- 一种顾及影像畸变的遥感影像融合方法及计算机可读介质-202211434744.5
- 汪韬阳;程前;李欣 - 武汉大学
- 2022-11-16 - 2023-02-03 - G06V10/58
- 本发明提出一种顾及影像畸变的遥感影像融合方法及计算机可读介质。本发明求解参与融合影像相交多边形，根据相交多边形地理范围构建相交多边形最小外接矩形。对最小外接矩形进行格网划分得到多个分块后，进行初始匹配，基于匹配结果对纠正的高光谱分辨率影像进行仿射变换处理。更新参与融合影像的相交多边形及对应的最小外接矩形，进行格网划分得到多个分块并进行精细匹配处理，基于匹配结果对经过仿射变换处理的高光谱分辨率遥感影像进一步进行多项式纠正。对每个参与融合影像的分块分别进行融合处理，从而得到融合后遥感影像。本发明能有效解决影像内畸变导致融合效果较差问题，可实现大幅宽遥感影像间融合。
- 一种基于高光谱技术的隧道围岩风化程度识别方法及系统-202211282401.1
- 林鹏;马瑞阳;谢辉辉;石恒;余腾飞;李珊;韩涛;贺迎春;许振浩 - 山东大学
- 2022-10-19 - 2023-01-24 - G06V10/58
- 本发明公开一种基于高光谱技术的隧道围岩风化程度识别方法及系统，包括：获取隧道岩壁的图像信息和光谱信息，并经预处理后分别提取图像特征和光谱特征；根据图像特征进行裂隙识别，对裂隙区域计算裂隙相对面积和裂隙数量，根据裂隙相对面积和裂隙数量得到岩石破碎特征；将光谱特征转化为矿物信息，得到风化矿物类型，并根据对应位置信息，得到风化矿物含量；根据岩石破碎特征和风化矿物类型及其含量得到风化程度识别结果。同时获取图像与光谱信息，避免单一信息进行岩石风化程度判别的局限性，减少误判。
- 高光谱图像特征提取、分类模型构建及分类方法-201910247707.5
- 范建平;张田;王珺;张二磊;彭进业;章勇勤;赵万青;樊萍;王琳;艾娜 - 西北大学
- 2019-03-29 - 2022-12-02 - G06V10/58
- 本发明公开了一种高光谱图像特征提取、分类模型构建及分类方法，通过超像素分割处理获得超像素分割图像，对每一个区域执行主成分分析，从每一个区域里选取大小相同的随机块充当后续卷积网络的卷积核并得到降维后的图像，将降维后的图像输入进随机多尺度卷积网络得到空间特征图像；同时采用独立成分分析处理通过离散余弦变换后的降维图像来得到光谱特征图像；最后将所得到的特征堆叠起来输入分类器得到最终的分类结果。本发明将深度学习方法及传统方法相结合，在提取特征时无需任何训练，充分利用了高光谱图像的光谱特征及空间特征，有效地提高了分类精度。
- 张量协作图判别分析遥感图像特征提取方法-202010891063.6
- 潘磊;代翔;杨露;陈伟晴;高翔 - 西南电子技术研究所(中国电子科技集团公司第十研究所)
- 2020-08-30 - 2022-10-28 - G06V10/58
- 本发明公开的一种张量协作图判别分析遥感图像特征提取方法，旨在提供一种复杂度低、特征提取性能好的有监督特征提取方法。本发明通过下述技术方案实现：以每个像素为中心截取三维的张量数据块；按比例将实验数据划分成训练样本集和测试样本集；计算当前训练像素与每个类别训练数据的欧式距离，构建对角权重约束矩阵；然后，设计带约束的L2范数协作表示模型，构建图权重矩阵和张量局部保持投影模型；求取对应张量数据块每一个维度的投影矩阵；最后，利用低维投影矩阵得到三维低维表示的训练样本集和测试样本集，并按特征维展开成列向量的形式，将提取到的低维特征输入支持向量机分类器进行分类，判定测试集的类别，以分类效果评估特征提取的性能。
- 一种基于稀疏表示与固定原子迭代的光谱目标检测方法-202110093330.X
- 韩晓琳;张欢;孙卫东 - 清华大学
- 2021-01-25 - 2022-09-06 - G06V10/58
- 本发明提供了一种基于稀疏表示与固定原子迭代的光谱目标检测方法，首先，利用给定的固定目标原子与待检测高光谱图像，在稀疏约束与差异度量准则下进行光谱字典训练与优化，求解纯净的背景字典；继而，通过固定目标原子与纯净背景构成的联合字典对高光谱图像进行稀疏表示，求解丰度矩阵；再利用丰度矩阵中置信度较高的部分将固定目标原子调整为更具针对性的目标光谱，并以此目标光谱更新固定目标原子；最后，通过迭代与阈值化求取最终的目标检测结果。本发明在稀疏框架下，引入差异度量准则求解纯净背景字典，实现固定目标原子与背景字典的有效分离；引入迭代优化思想更新目标原子，形成更具针对性的目标光谱，提高了目标检测的准确性与普适性。
- 专利分类
