| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 1 | 一种全色多光谱影像融合方法及装置 | CN202210658039.7 | 2022-06-10 | CN114972288A | 2022-08-30 | 林向阳; 王密; 王红钢; 谢广奇; 王艳; 鲍莉; 丁一帆; 刘鹏; 冯鑫; 杨宇科 |
| 本发明公开了一种全色多光谱影像融合方法及装置，该方法包括：获取全色影像数据和多光谱影像数据；利用全色影像数据和多光谱影像数据，计算自适应最优高斯滤波参数；利用自适应最优高斯滤波参数，构造高斯滤波核；利用高斯滤波核对全色影像数据进行降质，得到降质全色影像数据；将多光谱影像数据上采样至全色尺度，得到全色尺度多光谱影像数据；利用比值法融合降质全色影像数据和全色尺度多光谱影像数据，得到全色多光谱影像融合数据。本发明方法通过自适应高斯滤波降质的方式获取清晰度与多光谱影像保持一致的降质全色影像，保留高分辨率图像的边缘细节信息，消除光谱与对比度信息，融合结果具有较好的色彩保持能力。 | ||||||
| 2 | 全色多光谱影像融合方法和装置 | CN202111322487.1 | 2021-11-09 | CN114331930A | 2022-04-12 | 张正; 刘璇; 唐娉; 单小军; 李宏益; 张灏 |
| 本发明提供一种全色多光谱影像融合方法和装置，其中，方法包括：获取待融合的多光谱图像和全色图像；对所述多光谱图像和所述全色图像进行预处理，得到预处理后的多光谱图像和预处理后的全色图像；将所述预处理后的多光谱图像输入自适应滤波器网络模型中，得到模拟全色图像；根据所述模拟全色图像、所述预处理后的全色图像和所述预处理后的多光谱图像确定融合图像。本发明通过采用的自适应滤波网络可根据输入图像内容动态生成滤波器，增强了滤波器对内容的适应性，能更好的实现拟合，融合结果在目视上取得了良好的效果，不存在明显的光谱失真和空间扭曲等现象，在定量评价指标上也有所提升。 | ||||||
| 3 | 一种全色多光谱影像融合方法 | CN201510710213.8 | 2015-10-28 | CN105160647B | 2018-10-19 | 许丽娜; 何鲁晓 |
| 本发明提供了一种全色多光谱影像融合方法，对全色影像Pan降质，将原始多光谱影像MS重采样，确定模拟全色影像Pan*中各像素的基础融合系数，根据多光谱影像判断模拟全色影像Pan*中各像素的地物类型，根据地物类型对基础融合系数进行区别性拉伸，得到最终融合系数，最后根据最终融合系数进行融合。本发明的一种全色多光谱影像融合方法，能够减小融合影像颜色失真程度；消除云雾、图幅大小等因素对融合质量的影响；平衡不同地物对色彩保真度和清晰度的要求。 | ||||||
| 4 | 一种全色多光谱影像融合方法 | CN201510710213.8 | 2015-10-28 | CN105160647A | 2015-12-16 | 许丽娜; 何鲁晓 |
| 本发明提供了一种全色多光谱影像融合方法，对全色影像Pan降质，将原始多光谱影像MS重采样，确定模拟全色影像Pan*中各像素的基础融合系数，根据多光谱影像判断模拟全色影像Pan*中各像素的地物类型，根据地物类型对基础融合系数进行区别性拉伸，得到最终融合系数，最后根据最终融合系数进行融合。本发明的一种全色多光谱影像融合方法，能够减小融合影像颜色失真程度；消除云雾、图幅大小等因素对融合质量的影响；平衡不同地物对色彩保真度和清晰度的要求。 | ||||||
| 5 | 全色多光谱影像融合方法和装置 | CN202111322487.1 | 2021-11-09 | CN114331930B | 2024-11-22 | 张正; 刘璇; 唐娉; 单小军; 李宏益; 张灏 |
| 本发明提供一种全色多光谱影像融合方法和装置，其中，方法包括：获取待融合的多光谱图像和全色图像；对所述多光谱图像和所述全色图像进行预处理，得到预处理后的多光谱图像和预处理后的全色图像；将所述预处理后的多光谱图像输入自适应滤波器网络模型中，得到模拟全色图像；根据所述模拟全色图像、所述预处理后的全色图像和所述预处理后的多光谱图像确定融合图像。本发明通过采用的自适应滤波网络可根据输入图像内容动态生成滤波器，增强了滤波器对内容的适应性，能更好的实现拟合，融合结果在目视上取得了良好的效果，不存在明显的光谱失真和空间扭曲等现象，在定量评价指标上也有所提升。 | ||||||
| 6 | 融合全色影像和多光谱影像的分类方法及装置 | CN201510133799.6 | 2015-03-25 | CN104794481A | 2015-07-22 | 唐宏; 毛婷; 何湜 |
| 本发明提供了一种融合全色影像和多光谱影像的分类方法及装置，其中，融合全色影像和多光谱影像的分类方法包括：采集待测区域的全色影像和多光谱影像；对所述全色影像进行分割，获得所述全色影像的过分割体；对所述全色影像的过分割体进行合并，确定分割体单元；根据所述分割体单元，对所述多光谱影像进行分类，获得所述多光谱影像的分类标签；其中，分割体单元包括至少一个过分割体。通过本发明提供的融合全色影像和多光谱影像的分类方法及装置，能够将全色影像的空间信息向多光谱图像分类过程的流动，充分有效的利用全色影像中的空间信息及多光谱影像中的空间信息，降低影像分类对光谱信息的依赖性，提高分类的准确性，分类标签清晰。 | ||||||
| 7 | 融合全色影像和多光谱影像的分类方法及装置 | CN201510133799.6 | 2015-03-25 | CN104794481B | 2018-01-19 | 唐宏; 毛婷; 何湜 |
| 本发明提供了一种融合全色影像和多光谱影像的分类方法及装置，其中，融合全色影像和多光谱影像的分类方法包括：采集待测区域的全色影像和多光谱影像；对所述全色影像进行分割，获得所述全色影像的过分割体；对所述全色影像的过分割体进行合并，确定分割体单元；根据所述分割体单元，对所述多光谱影像进行分类，获得所述多光谱影像的分类标签；其中，分割体单元包括至少一个过分割体。通过本发明提供的融合全色影像和多光谱影像的分类方法及装置，能够将全色影像的空间信息向多光谱图像分类过程的流动，充分有效的利用全色影像中的空间信息及多光谱影像中的空间信息，降低影像分类对光谱信息的依赖性，提高分类的准确性，分类标签清晰。 | ||||||
| 8 | 一种多光谱影像和全色卫星影像融合方法 | CN201510834290.4 | 2015-11-25 | CN105303545A | 2016-02-03 | 张国英; 王强宇; 赵鹏 |
| 本发明公开了一种多光谱影像和全色卫星影像融合方法，其包括：分别提取多光谱影像与全色卫星影像的SIFT特征点，并做降维处理；采用BBF算法对降维处理后的SIFT特征点进行粗匹配，并进行误匹配消除，再采用仿射变换进行精确匹配；对精确匹配后的多光谱影像进行HIS变换获得亮度、饱和度与色度分量，将其中的亮度分量以及全色卫星影像的直方图分别进行小波变换，并将二者的小波变化结果依次进行高频替换、小波逆变换得到新的亮度分量；通过预设的参数对所述新的亮度分量进行更新，再将更新后的亮度分量与所述饱和度与色度分量进行HIS逆变换，从而实现影像的融合。本方法可以对全色卫星影像和多光谱影像进行准确、有效配准，并有效获取融合图像。 | ||||||
| 9 | 一种基于全色影像的卫星颤振探测与补偿方法 | CN201410050336.9 | 2014-02-13 | CN103778612B | 2016-08-24 | 童小华; 李凌云; 刘世杰; 金雁敏; 徐聿升; 叶真; 洪中华 |
| 本发明涉及一种基于全色影像的卫星颤振探测与补偿方法，包括以下步骤：1)SIFT特征检测器匹配少量均匀分布的同名点，计算像方仿射模型补偿参数改正数X1；2)利用基于几何约束的互相关方法在三视影像上进行同名点的匹配；3)使用最小二乘匹配方法对所有点进行精细匹配；4)剔除粗差点；5)将三线阵立体影像中的前视影像与下视影像、后视影像与下视影像，分别构成两组立体像对FN和BN，并分别建立误差方程，利用最小二乘方法解算正弦函数模型补偿参数改正数X2；6)判断X2是否大于阈值；7)输出仿射模型参数和正弦函数模型参数。与现有技术相比，本发明具有能够有效的消除非线性的、周期性的平台颤振对影像定位造成的影响。 | ||||||
| 10 | 一种基于全色遥感影像的城市水体提取方法 | CN201410037069.1 | 2014-01-26 | CN103761717B | 2016-06-22 | 徐南; 马符讯; 马成; 严朝霞; 徐大钊; 贾涛; 李代云; 艾斯卡尔·阿不力米提; 黄卓 |
| 本发明公开一种基于全色遥感影像的城市水体提取方法，通过遥感影像预处理、最优尺度选取、均变纹理生成和最优阈值分割四个步骤最终获得所需提取的城市地区的水体信息。本发明计算方法简单，运算量较小，并且最终提取结果较为精准，能够应用于城市规划、环境科学、地理信息制图等多个领域。 | ||||||
| 11 | 一种全色多光谱影像协同正射校正方法 | CN202410376647.8 | 2024-03-29 | CN118297792B | 2025-05-02 | 黄友菊; 吴慧; 韩广萍; 邹林芯; 陶衡; 韦强; 崔云蕾; 潘莉莉; 黄莹 |
| 本发明公开了卫星遥感图像处理技术领域的一种全色多光谱影像协同正射校正方法，具体步骤如下：(1)通过对待校正的全色多光谱影像进行粗正射校正，初步获取影像的分辨率和范围；(2)根据分辨率对影像同名点的搜索顺序进行排序；(3)根据排序顺序，获取影像之间的相交区域的数据，用LAB色彩空间转换和线性拉伸等增强方式生成灰度图，通过划分格网，使用人工智能算法自动选取同名点；(4)基于单应性矩阵对同名点进行筛选；(5)使用同名点解算仿射变换参数；(6)对待校正影像应用仿射变换参数后进行校正。以解决全色和多光谱影像不匹配以及全色和多光谱影像的投影信息与DEM不匹配的问题，提升正射校正的性能。 | ||||||
| 12 | 全色几何校正遥感影像的水体分割方法 | CN202310423497.7 | 2023-04-19 | CN116434065B | 2023-12-19 | 车程安; 贺广均; 梁颖; 谢东海; 冯鹏铭; 田路云; 金世超; 上官博屹 |
| 本发明涉及一种全色几何校正遥感影像的水体分割方法,包括:获取包含陆地和水域的原始全色遥感影像并进行预处理;根据预处理后的全色遥感影像的亮度和梯度确定保留的像素点;根据分辨率对像素点处理后的全色遥感影像进行图像腐蚀;利用种子点区域增长算法进行水体区域增长;剔除非水体区域。通过实施本发明的上述方案,通过全色几何校正遥感影像的亮度值、梯度值和水体目标区域整体形状的处理,可以快速高效地从全色几何校正遥感影像中提取出水体区域,不依赖于高性能的计算资源。 | ||||||
| 13 | 一种用于全色遥感影像的建筑物检测方法 | CN201810368178.X | 2018-04-23 | CN108596088B | 2021-04-20 | 施文灶; 程姗; 何代毅; 林志斌 |
| 本发明涉及一种用于全色遥感影像的建筑物检测方法。包括如下步骤：步骤1，输入全色遥感影像；步骤2，预处理；步骤3，构建阴影掩膜；步骤4，过分割；步骤5，边缘检测；步骤6，检测建筑物片段；步骤7，构建对象无向图；步骤8，区域合并；步骤9，输出结果。能够准确提取全色遥感影像中的建筑物，可以应用于城区地理基础信息数据库中建筑物的更新。 | ||||||
| 14 | 一种基于全色影像的卫星颤振探测与补偿方法 | CN201410050336.9 | 2014-02-13 | CN103778612A | 2014-05-07 | 童小华; 李凌云; 刘世杰; 金雁敏; 徐聿升; 叶真; 洪中华 |
| 本发明涉及一种基于全色影像的卫星颤振探测与补偿方法，包括以下步骤：1)SIFT特征检测器匹配少量均匀分布的同名点，计算像方仿射模型补偿参数改正数X1；2)利用基于几何约束的互相关方法在三视影像上进行同名点的匹配；3)使用最小二乘匹配方法对所有点进行精细匹配；4)剔除粗差点；5)将三线阵立体影像中的前视影像与下视影像、后视影像与下视影像，分别构成两组立体像对FN和BN，并分别建立误差方程，利用最小二乘方法解算正弦函数模型补偿参数改正数X2；6)判断X2是否大于阈值；7)输出仿射模型参数和正弦函数模型参数。与现有技术相比，本发明具有能够有效的消除非线性的、周期性的平台颤振对影像定位造成的影响。 | ||||||
| 15 | 一种全色多光谱影像融合的绿色植被增强方法 | CN202111114781.3 | 2021-09-23 | CN114897706B | 2025-05-09 | 王密; 谢广奇 |
| 16 | 一种全色多光谱影像协同正射校正方法 | CN202410376647.8 | 2024-03-29 | CN118297792A | 2024-07-05 | 黄友菊; 吴慧; 韩广萍; 邹林芯; 陶衡; 韦强; 崔云蕾; 潘莉莉; 黄莹 |
| 本发明公开了卫星遥感图像处理技术领域的一种全色多光谱影像协同正射校正方法，具体步骤如下：(1)通过对待校正的全色多光谱影像进行粗正射校正，初步获取影像的分辨率和范围；(2)根据分辨率对影像同名点的搜索顺序进行排序；(3)根据排序顺序，获取影像之间的相交区域的数据，用LAB色彩空间转换和线性拉伸等增强方式生成灰度图，通过划分格网，使用人工智能算法自动选取同名点；(4)基于单应性矩阵对同名点进行筛选；(5)使用同名点解算仿射变换参数；(6)对待校正影像应用仿射变换参数后进行校正。以解决全色和多光谱影像不匹配以及全色和多光谱影像的投影信息与DEM不匹配的问题，提升正射校正的性能。 | ||||||
| 17 | 全色几何校正遥感影像的水体分割方法 | CN202310423497.7 | 2023-04-19 | CN116434065A | 2023-07-14 | 车程安; 贺广均; 梁颖; 谢东海; 冯鹏铭; 田路云; 金世超; 上官博屹 |
| 本发明涉及一种全色几何校正遥感影像的水体分割方法，包括：获取包含陆地和水域的原始全色遥感影像并进行预处理；根据预处理后的全色遥感影像的亮度和梯度确定保留的像素点；根据分辨率对像素点处理后的全色遥感影像进行图像腐蚀；利用种子点区域增长算法进行水体区域增长；剔除非水体区域。通过实施本发明的上述方案，通过全色几何校正遥感影像的亮度值、梯度值和水体目标区域整体形状的处理，可以快速高效地从全色几何校正遥感影像中提取出水体区域，不依赖于高性能的计算资源。 | ||||||
| 18 | 一种全色多光谱影像融合的绿色植被增强方法 | CN202111114781.3 | 2021-09-23 | CN114897706A | 2022-08-12 | 王密; 谢广奇 |
| 本发明提供了一种全色多光谱影像融合的绿色植被增强方法，首先基于有理函数模型对全色影像与多光谱影像进行粗配准；然后将粗配准的多光谱影像与全色影像进行小面元微分配准；接着基于归一化植被指数小面元微分配准后的多光谱影像进行绿色植被增强；再将全色影像与进行绿色植被增强后的多光谱影像进行融合，得到最终绿色植被增强的融合结果。本发明在融合过程中对绿色植被进行了增强，改善了融合效果，解决了全色多光谱融合影像中绿色植被偏暗的问题，有利于最终的成图效果的改善及后续的判读与处理。 | ||||||
| 19 | 一种用于全色遥感影像的建筑物检测方法 | CN201810368178.X | 2018-04-23 | CN108596088A | 2018-09-28 | 施文灶; 程姗; 何代毅; 林志斌 |
| 本发明涉及一种用于全色遥感影像的建筑物检测方法。包括如下步骤：步骤1，输入全色遥感影像；步骤2，预处理；步骤3，构建阴影掩膜；步骤4，过分割；步骤5，边缘检测；步骤6，检测建筑物片段；步骤7，构建对象无向图；步骤8，区域合并；步骤9，输出结果。能够准确提取全色遥感影像中的建筑物，可以应用于城区地理基础信息数据库中建筑物的更新。 | ||||||
| 20 | 一种基于全色遥感影像的城市水体提取方法 | CN201410037069.1 | 2014-01-26 | CN103761717A | 2014-04-30 | 徐南; 马符讯; 马成; 严朝霞; 徐大钊; 贾涛; 李代云; 艾斯卡尔·阿不力米提; 黄卓 |
| 本发明公开一种基于全色遥感影像的城市水体提取方法，通过遥感影像预处理、最优尺度选取、均变纹理生成和最优阈值分割四个步骤最终获得所需提取的城市地区的水体信息。本发明计算方法简单，运算量较小，并且最终提取结果较为精准，能够应用于城市规划、环境科学、地理信息制图等多个领域。 | ||||||
QQ群二维码
意见反馈
意见反馈