“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]一种基于高光谱的机场气体检测系统及方法-CN202010705744.9在审
发明人：李奇峰;黄晋楷;马翔云;杜建宾;戴元林 -专利权人：天津大学
申请日： 2020-07-21 - 公布日： 2020-11-20 - 主分类号： G01N21/25 文献下载
摘要：本发明公开了一种基于高光谱的机场气体检测系统，包括高光谱图像数据采集模块、数据预处理模块及光谱分析模块；高光谱图像数据采集模块包括拍摄角度互不相同的多台单波段高光谱相机；单波段高光谱相机用于实时采集机场气体的高光谱图像数据；数据预处理模块用于对采集的机场气体高光谱图像数据进行预处理；光谱分析模块用于对预处理后的机场气体高光谱图像数据进行分析处理，其内设有双向循环神经网络模型，双向循环神经网络模型输入机场气体高光谱图像数据本发明还公开了一种基于高光谱的机场气体检测方法。本发明可对机场区域气体进行大范围的实时检测，实现多种目标气体的同时测量。
一种基于光谱机场气体检测系统方法

[发明专利]一种基于深度卷积神经网络的张量型高光谱图像光谱-空间降维方法-CN201610321578.6有效
发明人：王雪松;孔毅;程玉虎 -专利权人：中国矿业大学
申请日： 2016-05-13 - 公布日： 2019-02-19 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于深度卷积神经网络的张量型高光谱图像光谱‑空间降维方法，首先，鉴于直接使用高波段的张量数据会使得深度卷积神经网络的参数空间大幅度增加，引入最大似然本征维估计算法和主成分分析对归一化高光谱图像的波段维进行降维，得到低波段的高光谱图像；然后，通过窗口领域，将低波段高光谱图像转化为张量型低波段高光谱图像，保持每个像素点的光谱和空间信息；最后，利用深度卷积神经网络对张量型低波段高光谱图像进行光谱‑空间降维，使得降维后的特征同时包括光谱信息和空间信息本发明能有效地利用高光谱数据的光谱特征和空间领域特征获得较高的整体分类精度和Kappa系数。
一种基于深度卷积神经网络张量光谱图像空间方法

[发明专利]基于最小单形体体积约束及Transformer结构的高光谱图像解混方法-CN202310058473.6在审
发明人：王瀛;张铭博;刘芳祯 -专利权人：河南大学
申请日： 2023-01-14 - 公布日： 2023-04-25 - 主分类号： G06T7/00 文献下载
摘要：本发明提供一种基于最小单形体体积约束及Transformer结构的高光谱图像解混方法。该方法包括：构建高光谱图像解混网络模型，包括：编码器、分割模块、Transformer模块和解码器；其中，所述编码器用于提取输入的高光谱图像的判别特征；所述分割模块用于将所述判别特征分割为若干个图像块；所述Transformer模块用于提取输入的若干个图像块中任意两个图像块之间的远程上下文信息；所述解码器用于基于Transformer模块的输出重构高光谱图像；设计损失函数，根据损失函数对所述高光谱图像解混网络模型进行训练；利用训练好的高光谱图像解混网络模型对输入的高光谱图像进行解混。
基于最小形体体积约束 transformer 结构光谱图像方法

[发明专利]噪声评价方法、反射率反演方法以及图像分析装置-CN201911393056.7有效
发明人：谭鑫;宁鸿章;许亮;李耀彬;焦庆斌;李文昊;李宇航;许玉兴;邹宇博;杨琳 -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： 2019-12-30 - 公布日： 2021-04-13 - 主分类号： G01J3/28 文献下载
摘要：本发明提供一种噪声评价方法、反射率反演方法以及图像分析装置，该装置包括相互连接的高光谱图像采集装置和高光谱图像处理装置，高光谱图像采集装置包括：样本台、标准反射率板、高光谱仪、转台和照明系统，样本台放置于所述转台上，样本台的两侧分别放置标准反射率板；高光谱图像处理装置用于执行噪声评价方法和反射率反演方法。该装置能够减小图像高光谱图像采集过程中光照不均匀对成像质量的影响，该图像分析装置能够求解出图像各个点的噪声近似值，并据此反演得到高光谱图像的反射率。
噪声评价方法反射率反演以及图像分析装置

[发明专利]一种多/高光谱图像与LiDAR点云空间配准及性能评估方法-CN202110168223.9有效
发明人：谷延锋;王晨 -专利权人：哈尔滨工业大学
申请日： 2021-02-05 - 公布日： 2022-03-04 - 主分类号： G06T7/30 文献下载
摘要：一种多/高光谱图像与LiDAR点云空间配准及性能评估方法，本发明用于数字图像处理领域。本发明的目的是为了解决现有多/高光谱图像与LiDAR点云配准方法配准精度低的问题。过程为：步骤一：分别对多/高光谱图像和激光雷达数据进行预处理；步骤二：采用基于多波段联合优化的非参数图像配准方法对所有波段多/高光谱图像与点云栅格图像同时进行配准；步骤三、对步骤二获得的配准结果进行性能评估本发明实现了利用多/高光谱图像不同波段影像之间相互关联的特性，建立了多波段多/高光谱图像与LiDAR点云的多波段联合配准框架，提升了多/高光谱图像与LiDAR点云的配准精度。
一种光谱图像 lidar 空间性能评估方法

[发明专利]生成图像的方法和电子设备-CN202110129831.9有效
发明人：于頔;郭宏伟 -专利权人：华为技术有限公司
申请日： 2021-01-29 - 公布日： 2023-07-11 - 主分类号： H04N23/951 文献下载
摘要：本申请涉及终端AI领域，特别是图像生成领域，提供了一种生成图像的方法和电子设备，该方法包括：获取图像采集装置采集的n个第一图像和n个第一光谱数据；其中，一个第一光谱数据对应一个第一图像，第一光谱数据为点阵高光谱数据或者线阵高光谱数据，n为大于或者等于2的正整数；确定第i个第一图像确定进行图像配准时所需的配准参数，i遍历1至n；利用该配准参数对第i个第一光谱数据进行处理，得到第i个第二光谱数据，第i个第一光谱数据为对应于第i个第一图像的光谱数据，i遍历1至n；根据得到的n个第二光谱数据，生成第二图像，第二图像为面阵高光谱图像。该方法无需借助复杂的机械设备进行辅助生成面阵高光谱图像，适用性较强。
生成图像方法电子设备

[发明专利]一种基于地物光谱库的高光谱遥感图像混合像元分解方法-CN201710786417.9在审
发明人：王毓乾;何海清;李小龙;谭永滨 -专利权人：东华理工大学
申请日： 2017-09-04 - 公布日： 2018-01-16 - 主分类号： G06T7/00 文献下载
摘要：本发明属于遥感图像处理技术领域，具体为一种基于地物光谱库的高光谱遥感图像混合像元分解方法。包括步骤a，获得高光谱遥感图像的端元光谱库；步骤b，利用步骤a中得到的端元光谱库,采用波段依赖的纠正方法对原始高光谱遥感图像进行波段纠正,得到纠正后的高光谱遥感图像；步骤c，采用SUnSAL+算法，结合步骤a中的端元光谱库对步骤b中纠正后的高光谱遥感图像进行逐像元解混，得到初步解混丰度；步骤d，对步骤c得到的初步解混丰度进行丰度纠正，得到最终的解混丰度。本发明降低了图像和光谱库采集环境不同导致的光谱不一致，提高了解混精度，在高光谱遥感图像的混合像元分解和地物识别领域里具有一定的实用价值和应用前景。
一种基于地物光谱遥感图像混合分解方法

[发明专利]一种用于野外的便携式高光谱图像获取系统-CN201610369077.5在审
发明人：傅隆生;李瑞 -专利权人：西北农林科技大学
申请日： 2016-05-23 - 公布日： 2016-08-10 - 主分类号： G01N21/01 文献下载
摘要：为方便地进行野外高光谱图像的获取，本专利提出一种易操作且实用的实验装置，包括三脚架、高光谱相机、电动云台、电池、摄像机、电源线、数据线。三脚架用于承载和固定电动云台；电动云台用于固定高光谱相机，上下转动移动高光谱相机光轴；高光谱相机用于高光谱成像，获得高光谱图像数据；电池用于向高光谱相机和电动云台提供电源；数据线用于传输高光谱数据；摄像机用于实时存储高光谱图像数据工作时，先根据实验对高光谱图像分辨率的要求，调整三脚架的高度；再打开电源，给高光谱相机和电动云台供电，使其处于工作状态；并打开摄像机，使其处于录像状态；之后，控制电动云台匀速转动，即可获得野外的高光谱图像数据
一种用于野外便携式光谱图像获取系统

[发明专利]基于双路密集残差网络的高光谱和多光谱图像融合方法-CN201811548135.6有效
发明人：易本顺;邱康;向勉;周安安 -专利权人：武汉大学
申请日： 2018-12-18 - 公布日： 2022-07-05 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于双路密集残差网络的高光谱图像与多光谱图像融合方法，通过融合具有较低空间分辨率的高光谱图像和同一场景下的具有较高空间分辨率的高光谱图像来重建超分辨率高光谱图像。本发明通过双路密集残差网络可以更充分的利用高光谱和多光谱图像中的频域和空间纹理信息，在提高空间分辨率的同时抑制频谱失真，可用于卫星遥感、农业地质普查、医学成像、环境监控等领域。
基于密集网络光谱图像融合方法

[发明专利]一种星载高光谱红外图像干涉纹波的校正方法-CN201911111365.0有效
发明人：刘银年;许越;孙德新;梁健 -专利权人：启东中科光电遥感中心
申请日： 2019-11-14 - 公布日： 2022-03-01 - 主分类号： G01S19/03 文献下载
摘要：本发明公开了一种星载高光谱红外图像干涉纹波的校正方法，所述方法为提取初始星载高光谱立方体图像的光谱维曲线进行低通滤波，获取初校正系数，再按照像元在每一个波段空间维纹波周期对初校正系数进行优化补偿，得到高光谱立方体图像的校正系数，得到校正后的高光谱图像。本发明所述方法能有效去除高光谱图像的干涉纹波，并能很好的保持原始光谱特性，提高了图像质量和清晰度，为后续的图像分析和应用奠定了很好的基础。
一种星载高光谱红外图像干涉校正方法

[发明专利]基于自适应谱感知演化神经网络的高光谱图像分类方法-CN202310093690.9在审
发明人：周颖;王浩;李佳怡;雷雨;侍佼 -专利权人：西北工业大学
申请日： 2023-02-07 - 公布日： 2023-06-09 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于自适应谱感知演化神经网络的高光谱图像分类方法，包括：从高光谱图像数据集中提取其中有类别标签的样本构成训练样本集，提取其中无类别标签的样本构成测试样本集；基于进化算法搜索由光谱特征感知卷积模块组成的多尺度谱感知卷积神经网络网络；利用训练样本集训练搜索到的最优网络，得到训练完成的高光谱图像分类网络；利用高光谱图像分类网络得到测试样本集中各待测样本的分类结果，并利用各待测样本的分类结果以及有类别标签的数据体样本中各像素的类别，得到高光谱图像数据体的分类结果图本发明通过考虑高光谱图像的特性，能有效提取高光谱图像的空间信息和光谱信息，提高高光谱图像分类效果。
基于自适应感知演化神经网络光谱图像分类方法

[发明专利]一种无人机高光谱遥感地物分类方法及系统-CN202310950554.7在审
发明人：白璘;冀博;王海娟;申佳明;叶珍 -专利权人：长安大学
申请日： 2023-07-31 - 公布日： 2023-10-27 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种无人机高光谱遥感地物分类方法及系统，获取待测地物分类的遥感图像，对获得的遥感图像进行预处理，获得处理后的高光谱遥感图像数据；构建空间光谱注意力特征提取网络模型，将训练好的高光谱遥感图像数据输入空间光谱注意力特征提取网络模型，提取深层语义特征图；根据提取的深层语义特征图，获得高光谱遥感图像的深层语义信息；根据获得的高光谱遥感图像的深层语义信息，对待测地物分类的遥感图像的深层语义特征图进行分类，输出高光遥感图像的地物分类结果该方法可以将有效的光谱特征图输入到训练好的空间光谱注意力特征提取网络模型中，使网络关注更重要的光谱信息，提高了地物分类的精度。
一种无人机光谱遥感地物分类方法系统

[发明专利]高光谱图像深度学习分类方法、装置、设备及存储介质-CN201911064083.X在审
发明人：张霞;王楠;黄长平;岑奕;戚文超 -专利权人：中国科学院遥感与数字地球研究所
申请日： 2019-11-04 - 公布日： 2020-02-28 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及高光谱图像分类技术领域，公开了一种高光谱图像深度学习分类方法、装置、设备及存储介质，用于提高高光谱图像分类的准确度和效率。所述方法包括：获取待分类高光谱图像；根据预设窗口大小和所述已标记样本集对待分类高光谱图像进行随机裁剪，得到待训练样本集；通过图像变换对数据集进行扩充，得到对应的深度学习样本集；采用卷积循环神经网络和三维卷积神经网络提取空谱特征；通过经训练获得的预置神经网络分类模型对高光谱图像进行分类，得到对应的图像分类结果。通过构建深度神经网络模型，可以自动提取高光谱图像的深层抽象特征，有效减轻人工提取和优选特征的工作量，实现高光谱图像端对端的自动识别和分类。
光谱图像深度学习分类方法装置设备存储介质

[发明专利]基于神经网络的高光谱图像重构方法-CN201610846083.5有效
发明人：董伟生;楼佳珍;石光明;袁明;谢雪梅 -专利权人：西安电子科技大学
申请日： 2016-09-23 - 公布日： 2019-03-26 - 主分类号： G06T5/50 文献下载
摘要：本发明公开了一种基于神经网络的高光谱图像重构方法，主要解决现有技术重构的高光谱图像稳定性和精度不高的问题。其技术关键是利用神经网络训练拟合彩色图像和高光谱图像之间的非线性映射关系，包括：1)获取高光谱图像集和彩色图像集作为神经网络的训练样本；2)构建神经网络模型并利用训练样本训练神经网络的参数；3)将任给的一幅新彩色图像作为测试样本，输入到训练好的神经网络模型中，神经网络的输出结果即为重构的高光谱图像。本发明降低了高光谱图像重构的计算复杂度，提高了重构高光谱图像的稳定性和精度，可用于光谱检测、地质勘测、环境监测和农业遥感。
基于神经网络光谱图像方法

[发明专利]一种高光谱图像的局部约束线性编码方法及系统-CN201810268590.4有效
发明人：李岩山;刘燕;夏荣杰;王贤辰;谢维信;张勇 -专利权人：深圳大学
申请日： 2018-03-29 - 公布日： 2021-12-03 - 主分类号： H04N19/169 文献下载
摘要：本发明适用于图像处理技术领域，提供了高光谱图像的局部约束线性编码方法，包括：提取高光谱图像的待编码特征，得到特征集；根据特征集中的特征点，确定所述高光谱图像的词典；分别获取特征集的波段信息和词典中单词的波段信息；以特征点的波段信息和所述单词的波段信息作为判别约束项，计算所述高光谱图像的特征点与单词之间的欧氏距离，得到特征编码系数；根据所述特征编码系数对所述高光谱图像的特征进行编码。本发明实施例在利用高光谱图像局部特征和视觉单词的局部线性约束的同时，引入了高光谱图像的波段信息，并将其作为特征点到词典单词的映射的判别约束，从而降低了特征点与词典单词之间映射的模糊性，增强了对高光谱图像的表示能力
一种光谱图像局部约束线性编码方法系统