“高光谱图像技术”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12563267个，建议您升级VIP下载更多相关专利

[发明专利]基于光谱注意力机制的RGB图像光谱重建方法及系统-CN202211484322.9在审
发明人：王晶晶;孙增钊;张波 -专利权人：山东澳望德信息科技有限责任公司
申请日： 2022-11-24 - 公布日： 2023-03-21 - 主分类号： G06T5/00 文献下载
摘要：本公开涉及图像处理技术领域，提出了基于光谱注意力机制的RGB图像光谱重建方法及系统，重建方法，包括如下步骤：确定高光谱图像和RGB图像的映射关系，根据映射关系构建基于光谱注意力的2D‑CNN网络；将待重建RGB图像输入至基于光谱注意力的2D‑CNN网络，依次进行特征提取、非线性映射得到映射后的特征图像，以及基于光谱注意力机制学习学习各图像光谱之间关系，基于光谱关系对映射后的特征图像进行重建，得到重建后的高光谱图像本公开采用2D‑CNN结合光谱注意力机制，可以让网络更完整的提取空间特征和光谱特征，并且学习光谱间关系，从而能够获得质量更高的高光谱图像。
基于光谱注意力机制 rgb 图像重建方法系统

[发明专利]一种基于光谱成像和深度学习的棉蚜虫害监测方法及系统-CN202011094117.2有效
发明人：高攀;鄢天荥;吕新;徐巍;林皎 -专利权人：石河子大学
申请日： 2020-10-14 - 公布日： 2022-05-13 - 主分类号： G06V20/10 文献下载
摘要：本发明公开一种基于光谱成像和深度学习的棉蚜虫害监测方法及系统，涉及虫害病情监测技术领域，利用高光谱成像系统，获得棉叶的高光谱图像，以单片棉叶作为感兴趣区，提取得到单叶的高光谱图像，最终计算平均光谱和一阶导数光谱，充分利用光谱信息和深度学习技术，使用可视化技术发现各波段重要性，选择重要波段进行监测预警；使用三维卷积神经网络对单叶的高光谱图像进行学习，选择可见光和近红外波段范围内的高光谱图像，使用可视化技术生成显著性图
一种基于光谱成像深度学习棉蚜虫害监测方法系统

[发明专利]一种高光谱图像超像素局部线性嵌入降维方法-CN201910900111.0在审
发明人：王昆林;马仪;朱宇;文刚;黄然;周仿荣;刘靖 -专利权人：云南电网有限责任公司电力科学研究院;云南电网有限责任公司
申请日： 2019-09-23 - 公布日： 2019-12-27 - 主分类号： G06K9/62 文献下载
摘要：本申请涉及图像处理技术领域，尤其涉及一种高光谱图像超像素局部线性嵌入降维方法。所述方法包括：获取高光谱图像数据并进行预处理；然后进行空‑谱协方差特征提取、分割；寻找样本近邻点；基于样本邻近关系，对高光谱图像数据进行降维得到初级降维结果；对超像素高光谱图像的数量、邻近点以及初级降维结果进行选择得到终级降维结果；用分类器对得到的高光谱图像降维结果进行分类。所述方法结合了高光谱图像的空‑谱协方差特征和超像素分割策略，充分利用了图像的空间信息，使降维后的特征更具判别性，促进高光谱图像的分类。
降维高光谱图像高光谱图像数据协方差像素样本图像处理技术预处理局部线性空间信息特征提取像素分割分类器邻近点分类嵌入邻近图像分割申请

[发明专利]联合光谱空间多层感知器的高光谱影像分类方法及装置-CN202111109093.8在审
发明人：谭熊;薛志祥;刘冰;魏祥坡;余旭初;张鹏强;张艳;高奎亮;左溪冰;孙一帆 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2021-09-22 - 公布日： 2021-12-28 - 主分类号： G06K9/62 文献下载
摘要：本发明属于高光谱图像分类技术领域，特别涉及一种联合光谱空间多层感知器的高光谱影像分类方法及装置，该方法包括首先利用光谱多层感知器从高光谱图像中提取全局光谱特征；然后利用空间多层感知器从高光谱图像中提取局部空间特征；最后利用多层感知器融合全局光谱特征和局部空间特征对高光谱图像进行联合分类。本发明能够从高光谱图像中提取出光谱特征和空间特征，且能有效地将这些特征融合后再进行联合分类，具有较高的分类精度。
联合光谱空间多层感知影像分类方法装置

[发明专利]一种多光谱数据的获取方法、装置及设备-CN202110749251.X在审
发明人：刘敏;龚冰冰;师少光;黄泽铗;张丁军;江隆业 -专利权人：奥比中光科技集团股份有限公司
申请日： 2021-07-01 - 公布日： 2021-11-05 - 主分类号： G06K9/00 文献下载
摘要：本申请适用于光学技术领域，提供了一种多光谱数据的获取方法、装置及设备，所述方法包括：本申请实施例中，获取第一高光谱图像；获取第一高光谱图像对应的反射率图像的反射率光谱；根据反射率光谱和预设光源的光谱，得到预设光源下的第二高光谱图像；根据预设滤光片的响应矩阵和第二高光谱图像，得到第一高光谱图像对应的多光谱图像。上述方法，在获取多光谱图像的过程中，加入了预设光源和预设滤光片这两个变量，可实现高光谱数据库向多光谱数据库的转移，当硬件部分有更新迭代后，只需调整预设光源和预设滤光片的相关参数，即能反演出该硬件设计下的多光谱数据库
一种光谱数据获取方法装置设备

[发明专利]一种多模高光谱图像迁移分类方法-CN201910206805.4有效
发明人：马晓瑞;王洪玉;王洁;牟雪融 -专利权人：大连理工大学
申请日： 2019-03-19 - 公布日： 2021-01-05 - 主分类号： G06K9/62 文献下载
摘要：本发明属于遥感图像处理与应用技术领域，具体涉及一种多模高光谱图像迁移分类方法。本发明用于解决现有高光谱图像分类技术难以跨数据、跨任务迁移的问题。主要解决多模高光谱图像迁移分类面临的两个技术难题，特征漂移与任务不一致。利用基于零次学习网络的领域自适应方法学习多模数据共性特征以解决特征漂移问题；使用分级度量学习策略进行新任务识别以完成任务迁移。本发明可实现不同空谱分辨率、不同光谱范围、以及不同任务覆盖的多模高光谱图像之间的信息共享与传递，为持续的高光谱图像分类提供一种有效的解决方案，使高光谱图像分类理论离大规模实际用更进一步。
一种多模高光谱图像迁移分类方法

[发明专利]一种基于级联网络的高光谱与全色图像融合方法-CN202110646163.7有效
发明人：陆小辰;杨德政;贾逢德;阳云龙 -专利权人：东华大学
申请日： 2021-06-10 - 公布日： 2023-08-25 - 主分类号： G06T5/50 文献下载
摘要：本发明提出了一种基于级联网络的高光谱与全色图像融合方法，属于图像处理技术领域，包括以下步骤：将细节注入方法与光谱解混模型集成到一个级联的卷积神经网络中，构建一个端到端的网络模型，对高光谱图像像素的丰度进行估计，进而重构高空间分辨率的高光谱图像。本发明通过引入全色图像，与高光谱图像进行融合，可提升高光谱图像的空间分辨率，同时，减小融合图像的光谱失真现象。通过建立基于级联卷积网络的高光谱图像融合模型，将细节注入方法与光谱解混模型整合为一个端到端的网络结构，能够有效地提取到输入的多源图像的空间和光谱信息，以生成高分辨率图像各端元的丰度值。
一种基于级联网络光谱全色图像融合方法

[发明专利]一种面向高光谱图像的空谱联合特征提取方法-CN201611243093.6有效
发明人：孙康;陈金勇;谷宏志;刘翔 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2016-12-29 - 公布日： 2019-06-28 - 主分类号： G06K9/52 文献下载
摘要：本发明公开了一种面向高光谱遥感图像分类的空谱联合特征提取技术，属于遥感图像处理领域，包括以下步骤：1)利用像素坐标生成横坐标图像和纵坐标图像；2)计算高光谱图像的统计特征；3)利用统计特征对横坐标图像和纵坐标图像进行值域拉伸；4)将坐标图像插入到原始高光谱图像；5)利用主成分分析对特征进行融合和提取。本发明将高光谱图像空间特征转换为光谱特征，并利用主成分分析方法进行空间特征和光谱特征的融合，解决了高光谱图像分类空间特征利用不足的问题，方法具有广泛适用性、计算简单，可有效提高高光谱图像分类精度。
一种面向光谱图像联合特征提取方法

[发明专利]基于耦合张量分解的多光谱与高光谱图像融合方法-CN201711419401.0有效
发明人：李红 -专利权人：咸阳师范学院
申请日： 2017-12-25 - 公布日： 2020-08-07 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于耦合张量分解的多光谱与高光谱图像融合方法，主要解决现有技术中空间信息模糊和光谱扭曲的问题。其步骤为：(1)分别输入低空间分辨率的高光谱图像、高空间分辨率的多光谱图像、光谱退化矩阵和正则参数；(2)将低空间分辨率的高光谱图像进行空间上采样；(3)将上采样低空间分辨率的高光谱图像利用高阶奇异值分解算法进行Tucker分解；(4)将高空间分辨率的多光谱图像进行Tucker分解；(5)将步骤(3)得到的因子矩阵与步骤(4)得到的核心张量沿各个模相乘得到高空间分辨率的高光谱图像。本发明能获得准确的空间和光谱信息，可用于目标检测与识别、地物分类等遥感领域。
基于耦合张量分解光谱图像融合方法

[发明专利]基于全卷积空间传播网络的高光谱图像分类方法-CN201911078729.X有效
发明人：李映;姜晔楠;邹姗蓉;张号逵 -专利权人：西北工业大学
申请日： 2019-11-06 - 公布日： 2023-04-14 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于全卷积空间传播网络的高光谱图像分类方法，针对高光谱图像分类问题，结合深度学习相关技术，首次将基于全卷积空间传播网络应用于高光谱图像分类中。传统的基于卷积神经网络的高光谱图像分类方法都是对图像进行逐像素分类，存在着大量的重复运算，且输入图像的大小对于分类结果有着很大的影响。而全卷积空间传播网络减少了重复运算的同时还可以接受任何尺寸的输入图像，并且充分利用了高光谱图像的空间信息，从而实现一定条件下高光谱图像的高精度分类。
基于卷积空间传播网络光谱图像分类方法

[发明专利]基于滤光片采样融合的视频高光谱成像方法、系统及介质-CN202310179342.3有效
发明人：李树涛;佃仁伟;单天赐;郭安静;韦晓辉 -专利权人：湖南大学
申请日： 2023-03-01 - 公布日： 2023-06-20 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种基于滤光片采样融合的视频高光谱成像方法、系统及介质，本发明包括获取RGB视频流和通过滤光片获得的滤波视频流，提取RGB图像帧I和滤波图像帧F；对RGB图像帧I上采样为浅层光谱特征图X0再光谱重构为细粒化特征图V；对滤波图像帧F滤波曲线优化得到高光谱图像X1；将细粒化特征图V、高光谱图像X1融合为构成高光谱视频流的高光谱图像帧X。本发明以RGB视频流和通过滤光片获得的滤波视频流进行视频高光谱融合成像，结合先进的深度学习技术充分挖掘RGB图像帧、滤波图像帧、高光谱图像帧三者之间的特征，能够实现对高光谱视频流的快速成像，可用于实现小体积的高空间分辨率的视频高光谱成像设备
基于滤光采样融合视频光谱成像方法系统介质

[发明专利]高光谱图像异常检测方法、装置、计算机设备及存储介质-CN202110279231.0有效
发明人：宋向宇;何斌;龙勇机;聂婷;邵帅 -专利权人：中国科学院长春光学精密机械与物理研究所
申请日： 2021-03-16 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本申请实施例属于高光谱遥感图像异常检测技术领域，涉及一种高光谱图像异常检测方法，包括对原始高光谱图像数据进行归一化处理以及降维处理，得到第一主成分图像数据；对第一主成分图像数据进行边缘分割；获取光谱维特征；对光谱维特征进行异常检测，得到第一光谱异常得分；对第一主成分图像数据进行阈值分割；对中间高光谱图像数据进行空间分布特征提取操作以及空间维特征获取；对空间维特征进行异常检测，得到第二空间异常得分；对第一光谱异常得分和第二空间异常得分进行加权计算本申请还提供一种高光谱图像异常检测装置、计算机设备及存储介质。本申请能够提升对高光谱图像中像元估计值获取的精确度。
光谱图像异常检测方法装置计算机设备存储介质

[发明专利]基于高光谱和多光谱图像融合生成高光谱图像的方法及系统-CN202211118069.5在审
发明人：李树涛;胡宇龙;刘海波;佃仁伟 -专利权人：湖南大学
申请日： 2022-09-14 - 公布日： 2022-12-09 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于高光谱和多光谱图像融合生成高光谱图像的方法及系统，本发明基于高光谱和多光谱图像融合生成高光谱图像的方法包括：将输入的高光谱图像Y进行子空间分解以提取得到待生成的高光谱图像的左低秩向量U；将输入的多光谱图像Z通过训练好的深度生成网络，生成待生成的高光谱图像的右低秩向量V；将待生成的高光谱图像的左低秩向量U和右低秩向量V融合生成高光谱图像X；本发明的系统包括用于获取输入的高光谱图像Y以及多光谱图像Z的光学元件及成像传感器。本发明能够基于高光谱和多光谱图像融合生成高光谱图像，降低高光谱图像获取的成本和效率。
基于光谱图像融合生成方法系统

[发明专利]一种基于混合域的高光谱图像加密方法-CN201510461221.3有效
发明人：张菁;耿文浩;卓力;曹嫣;王超;周倩兰 -专利权人：北京工业大学
申请日： 2015-07-30 - 公布日： 2019-02-01 - 主分类号： G06T1/00 文献下载
摘要：本发明公开了一种基于混合域的高光谱图像加密方法，涉及图像处理与信息安全领域。本发明以高光谱图像为研究对象，在利用二维平面图像混沌序列加密方法对高光谱图像进行空间域加密的基础上，针对高光谱图像的光谱域特征，对高光谱图像进行光谱域加密，最后结合高光谱图像的空间域以及光谱域特征对高光谱图像进行混合域加密，为高光谱图像光谱域特征以及空间域特征保护奠定基础。
一种基于混合光谱图像加密方法

[发明专利]一种基于脱色方法的农作物高光谱图像可视化检测方法-CN202211355270.5在审
发明人：朱恭钦;郑守国;徐青山;余力;邱梦情;王海燕 -专利权人：安徽工业技术创新研究院六安院;安徽工业技术创新研究院
申请日： 2022-11-01 - 公布日： 2023-01-31 - 主分类号： G06V20/10 文献下载
摘要：本发明提供一种基于脱色方法的农作物高光谱图像可视化检测方法，涉及农产品图像处理技术领域，包括如下检测步骤，采集来自光谱相机的高光谱图像，将获得的多维高光谱图像，划分为相邻高光谱波段的高光谱子集，在每个子集中采用平均法融合，得到高光谱波段，将得到的高光谱波段划分为大小相等的子集，将S3处理后的图像进行脱色处理，得到单波段图像，形成可视化图像，将得到的可视化图像输入到分类模型中，实现农作物的检测，采用深度法提取了图像内容信息和结构信息，并自动选择合适的灰度进行脱色，在可视化时可以兼顾到原始图像的局部和全局中的显著性对比度信息，尽可能的还原了图像的真实色彩且尽可能的保存了图像的空间信息和光谱特征。
一种基于脱色方法农作物光谱图像可视化检测