| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 101 | 一种适合低山丘陵地区农作物提取遥感底图的获取方法 | CN202111114283.9 | 2021-09-23 | CN113706387A | 2021-11-26 | 王克晓; 周蕊; 虞豹; 黄祥; 李波; 查茜; 王茜; 詹火木 |
| 一种适合低山丘陵地区农作物提取遥感底图的获取方法，涉及遥感图像数据处理领域，能够在保持Sentinel‑2遥感影像多光谱特征的前提下，将其空间分辨率10m/20m的提高到2m，处理结果可适用于农作物遥感分类信息提取。包括以下步骤：1)Sentinel‑2多光谱及成像近期GF‑1全色影像获取；2)多光谱影像大气校正；3)全色影像正射校正处理；4)多光谱影像空间分辨率增强处理；5)多光谱影像波段输出与叠合；6)多光谱影像与全色影像几何配准；7)多光谱影像与全色影像融合处理；8)融合影像坏点修复处理；9)裁剪。经本技术方法处理的高分辨率、多光谱遥感影像底图有助于对我国西南低山丘陵复杂地貌地区开展农作物分类识别研究，可有效提高丘陵山地农作物分类识别精度。 | ||||||
| 102 | 使用全色像素之銳化方法 METHOD OF SHARPENING USING PANCHROMATIC PIXELS | TW097100726 | 2008-01-08 | TW200837658A | 2008-09-16 | 詹姆士E 亞當斯二世 ADAMS, JAMES E. JR.; 蜜雪兒 歐布萊恩 O'BRIEN, MICHELE; 約翰 法蘭克林 漢米爾頓二世 HAMILTON, JOHN FRANKLIN JR.; 布魯斯 哈洛德 皮爾曼 PILLMAN, BRUCE HAROLD; 艾米 道恩 安吉 ENGE, AMY DAWN |
| 本發明揭示一種使場景之全彩色影像銳化之方法,其包括:使用具有彩色及全色圖元兩者之二維感測器陣列擷取該場景之影像;因應該等所擷取之彩色圖元形成該全彩色影像及因應該等所擷取之全色圖元形成參考全色影像;自該參考全色影像形成高頻全色影像;及因應該高頻全色影像及該全彩色影像提供經銳化全彩色影像。 | ||||||
| 103 | 遥感影像融合方法、装置及电子设备 | CN201811516585.7 | 2018-12-12 | CN109636768B | 2021-05-25 | 刘军; 陈劲松 |
| 本发明适用遥感影像处理技术领域，提供了一种遥感影像融合方法、装置及电子设备，该方法包括：获取原始全色影像及对应的原始多光谱影像；将所述原始全色影像与所述原始多光谱影像进行降采样并融合得到第一多光谱影像，并将所述原始全色影像与所述原始多光谱影像融合得到第二多光谱影像；基于生成对抗网络，采用所述第一多光谱影像对所述原始多光谱影像进行拟合，得到所述第一多光谱影像与所述原始多光谱影像之间的生成对抗网络模型；将所述第二多光谱影像输入到所述生成对抗网络模型，得到最终的融合图像，使最终的融合图像在保持较高的空间分辨率时，仍能保持较多的光谱信息。 | ||||||
| 104 | 遥感影像融合方法、装置及电子设备 | CN201811516585.7 | 2018-12-12 | CN109636768A | 2019-04-16 | 刘军; 陈劲松 |
| 本发明适用遥感影像处理技术领域，提供了一种遥感影像融合方法、装置及电子设备，该方法包括：获取原始全色影像及对应的原始多光谱影像；将所述原始全色影像与所述原始多光谱影像进行降采样并融合得到第一多光谱影像，并将所述原始全色影像与所述原始多光谱影像融合得到第二多光谱影像；基于生成对抗网络，采用所述第一多光谱影像对所述原始多光谱影像进行拟合，得到所述第一多光谱影像与所述原始多光谱影像之间的生成对抗网络模型；将所述第二多光谱影像输入到所述生成对抗网络模型，得到最终的融合图像，使最终的融合图像在保持较高的空间分辨率时，仍能保持较多的光谱信息。 | ||||||
| 105 | 基于尺度不变性的全色注入多光谱空谱融合方法、系统及介质 | CN202410903359.3 | 2024-07-05 | CN119006297A | 2024-11-22 | 余顺超; 刘晓林; 史燕东; 刘超群; 李浩; 王娟; 周瑞鹏; 曾小磊; 黄俊; 寇馨月 |
| 本发明公开了基于尺度不变性的全色注入多光谱空谱融合方法，获取遥感影像全色波段及多光谱波段，计算多光谱波段的均值滤波图像，构造PCA的中介波段并作归一化处理，获取一个与全色波段的相关系数最大的最优中介波段；基于尺度不变性假设和PCA逆变换分别获取波段系数，依据需融合的多光谱波段，同全色波段、中介波段I进行空‑谱融合。本发明利用尺度不变性思想，结合PCA变换实现多分辨率条件下全色与多光谱波段的融合，利用低分辨率多光谱波段模拟低分辨率全色波段，进而实现低分辨率多光谱波段和高分辨率全色波段的融合，既增强了多光谱遥感影像融合前后空间信息，又保持了融合前后多光谱信息的真实。 | ||||||
| 106 | 标准卫星影像数据的输出方法 | CN202311054870.2 | 2023-08-21 | CN117036432A | 2023-11-10 | 廖祥; 武奕楠; 保玲; 丁强强 |
| 本发明公开了一种标准卫星影像数据的输出方法，所述方法包括：获取客户端上传的待处理卫星影像数据；对所述待处理卫星影像数据选择以下至少一种处理方式进行处理：第一处理方式：基于预设分辨率的DEM数据，对所述待处理卫星影像数据进行正射校正处理；第二处理方式：将所述待处理全色影像数据作为参考影像，进行所述待处理多光谱影像数据与所述待处理全色影像数据的配准处理；第三处理方式：对所述待处理全色影像数据和所述待处理多光谱影像数据进行融合，将融合得到的融合多光谱影像数据与预设的参考底图进行配准处理；输出标准卫星影像数据。利用本发明公开的方法，解决了现有技术中的卫星影像处理软件无法对国产高分影像进行处理的问题。 | ||||||
| 107 | 一种基于光学卫星影像的舰船检测方法与系统 | CN202210976576.6 | 2022-08-15 | CN115346133A | 2022-11-15 | 刘靖; 石晓宇; 徐浩; 魏小兰; 霍嘉睿; 张晓斌; 曹景超 |
| 本发明涉及一种基于光学卫星影像的舰船检测方法与系统，其中，该方法包括：获取光学遥感卫星采集卫星影像；卫星影像包括全色图像和多光谱图像；分别对全色图像和多光谱图像进行预处理得到预处理后的全色图像和多光谱图像；将预处理后的全色图像和多光谱图像进行融合得到融合后的图像；利用舰船目标检测模型对融合后的图像进行检测得到舰船目标。与现有技术相比，本发明首先采用预处理操作改善卫星影像的质量，去除对后续舰船检测有影响的干扰，然后采用舰船目标检测模型检测舰船目标，可以防止漏检和误检，得到精准的舰船目标。 | ||||||
| 108 | 一种高分辨率多光谱遥感影像的非线性模拟方法及系统 | CN202411780539.3 | 2024-12-05 | CN119671866A | 2025-03-21 | 刘超群; 余顺超; 何秋银; 赵敏; 刘晓林; 余文波; 高俊; 刁品文; 牛文鹏 |
| 本发明提供一种高分辨率多光谱遥感影像的非线性模拟方法及系统。本发明基于影像的尺度不变性原理，利用不同空间尺度影像的空间细节差异与光谱细节差异，推导获得遥感影像非线性模拟方法。该方法没有波段数量限制，可预测遥感影像模拟结果。本发明基于多光谱相关系数与全色相关系数的适度平衡目标，提供了优选的特征提取系数kI，设计特征融合系数为特征提取系数的倒数，即 同时本方法提供了全色波段注入多光谱波段和多光谱波段注入全色波段两种影像模拟模式，可实现遥感影像光谱与空间信息的高保真模拟。 | ||||||
| 109 | 卫星影像预处理方法、装置、电子设备及存储介质 | CN202310113052.9 | 2023-02-14 | CN116128762A | 2023-05-16 | 文刚; 周仿荣; 张辉; 王一帆; 徐真; 马御棠; 耿浩; 闵青云 |
| 本发明实施例公开了一种卫星影像预处理方法、装置、电子设备及存储介质。方法包括：对卫星影像进行辐射校正处理，得到辐射校正影像；对所述辐射校正影像进行正射校正处理，得到正射影像，所述正射影像包括正射全色影像和正射多光谱影像；对所述正射全色影像和所述正射多光谱影像进行配准融合，得到融合影像。根据电网设备对应的地面控制点对所述融合影像进行几何校正处理，得到与所述电网设备对应的目标影像。本发明实施例可以实现对卫星影像的预处理，提高了预处理的准确度。 | ||||||
| 110 | 一种多尺度空间投影遥感影像融合方法 | CN201010266813.7 | 2010-08-30 | CN101916436B | 2011-11-16 | 邵振峰; 刘军 |
| 本发明涉及一种多尺度空间投影遥感影像融合方法，包括以下步骤：利用原始低空间分辨率的多光谱影像计算其亮度影像，通过改进的高斯尺度空间理论，分别生成该亮度影像和原始高空间分辨率全色影像的高斯影像立方体，然后利用高斯影像立方体的层间差异提取亮度影像和全色影像的空间细节特征，最后将空间细节特征按照加权融合策略投影到原始多光谱影像上，得到具有高空间分辨率和高光谱分辨率的融合多光谱影像。本发明在提高融合影像的空间细节表现能力的同时，很好地保留了原多光谱图像的光谱信息，其物理意义明确，实现结构简单，融合效果好。 | ||||||
| 111 | 一种多尺度空间投影遥感影像融合方法 | CN201010266813.7 | 2010-08-30 | CN101916436A | 2010-12-15 | 邵振峰; 刘军 |
| 本发明涉及一种多尺度空间投影遥感影像融合方法，包括以下步骤：利用原始低空间分辨率的多光谱影像计算其亮度影像，通过改进的高斯尺度空间理论，分别生成该亮度影像和原始高空间分辨率全色影像的高斯影像立方体，然后利用高斯影像立方体的层间差异提取亮度影像和全色影像的空间细节特征，最后将空间细节特征按照加权融合策略投影到原始多光谱影像上，得到具有高空间分辨率和高光谱分辨率的融合多光谱影像。本发明在提高融合影像的空间细节表现能力的同时，很好地保留了原多光谱图像的光谱信息，其物理意义明确，实现结构简单，融合效果好。 | ||||||
| 112 | 一种高光谱影像正摄校正方法及装置、存储介质 | CN202111389002.0 | 2021-11-22 | CN116170569A | 2023-05-26 | 周剑; 黄佳伟; 李松; 何虎 |
| 本申请实施例提供了一种高光谱影像正摄校正方法及装置、存储介质，包括：获取待校正的高光谱影像数据对应的全色影像数据；通过对全色影像数据依次进行特征提取和特征匹配，得到全色影像数据对应的目标外方位元素；对目标外方位元素进行空间前方交汇计算和格网构建，得到规则格网；根据目标外方位元素和规则格网，对高光谱影像数据进行正射校正，得到高光谱影像对应的正射影像。能够避免观测区域地物类型对正摄校正的影响，提高正摄校正的精确度。 | ||||||
| 113 | 一种干旱状态下应急水源地提取方法及系统 | CN202010577755.3 | 2020-06-23 | CN111709388A | 2020-09-25 | 雷添杰; 陈曦; 任棐; 金菊良; 李小涵; 李杨; 黄锦涛; 闻建光 |
| 本发明公开了一种干旱状态下应急水源地提取方法及系统。所述方法包括：获取全色遥感训练影像和全色遥感测试影像；构建隐含狄利克雷分布主题模型；隐含狄利克雷分布主题模型为狄利克雷先验参数待确定的主题模型；将全色遥感训练影像输入至隐含狄利克雷分布主题模型中，采用定点迭代方法对狄利克雷先验参数进行估计，确定隐含狄利克雷分布主题模型中的狄利克雷先验参数；将狄利克雷先验参数确定后的主题模型确定为应急水源地提取模型；将全色遥感测试影像输入至应急水源地提取模型中，得到全色遥感测试影像中的水源地。本发明能提高应急水源地提取的准确度，且能避免消耗极大的人力成本，便于提取。 | ||||||
| 114 | 一种基于尺度不变性原理的影像乘积融合方法及系统 | CN202410805997.1 | 2024-06-21 | CN118887098B | 2025-03-14 | 刘超群; 余顺超; 邹显勇; 赵敏; 何颖清; 刘悦轩; 王行汉; 何秋银; 陈黎; 李万能; 周晓雪 |
| 本发明提供了一种基于尺度不变性原理的影像乘积融合方法及系统。本发明基于遥感影像的尺度不变性假设，根据影像低空间分辨率多光谱波段M、高空间分辨率全色波段P、低空间分辨率全色波段I和高空间分辨率多光谱波段Mf间的空间细节差异与光谱细节差异，求得基于均值滤波的影像乘积融合公式。本发明针对传统Brovey融合方法难以预测融合结果的缺陷，利用全色波段P、多光谱波段M和中介波段I构建一对乘积融合算子，将乘积融合改造成线性融合的形式，实现融合结果的可预测，以利于融合参数的选取。本发明方法提供了全色波段注入多光谱波段乘积融合和多光谱波段注入全色波段影像乘积融合两种模式。 | ||||||
| 115 | 一种基于尺度不变性原理的影像乘积融合方法及系统 | CN202410805997.1 | 2024-06-21 | CN118887098A | 2024-11-01 | 刘超群; 余顺超; 邹显勇; 赵敏; 何颖清; 刘悦轩; 王行汉; 何秋银; 陈黎; 李万能; 周晓雪 |
| 本发明提供了一种基于尺度不变性原理的影像乘积融合方法及系统。本发明基于遥感影像的尺度不变性假设，根据影像低空间分辨率多光谱波段M、高空间分辨率全色波段P、低空间分辨率全色波段I和高空间分辨率多光谱波段Mf间的空间细节差异与光谱细节差异，求得基于均值滤波的影像乘积融合公式。本发明针对传统Brovey融合方法难以预测融合结果的缺陷，利用全色波段P、多光谱波段M和中介波段I构建一对乘积融合算子，将乘积融合改造成线性融合的形式，实现融合结果的可预测，以利于融合参数的选取。本发明方法提供了全色波段注入多光谱波段乘积融合和多光谱波段注入全色波段影像乘积融合两种模式。 | ||||||
| 116 | 一种干旱状态下应急水源地提取方法及系统 | CN202010577755.3 | 2020-06-23 | CN111709388B | 2023-05-12 | 雷添杰; 陈曦; 任棐; 金菊良; 李小涵; 李杨; 黄锦涛; 闻建光 |
| 本发明公开了一种干旱状态下应急水源地提取方法及系统。所述方法包括：获取全色遥感训练影像和全色遥感测试影像；构建隐含狄利克雷分布主题模型；隐含狄利克雷分布主题模型为狄利克雷先验参数待确定的主题模型；将全色遥感训练影像输入至隐含狄利克雷分布主题模型中，采用定点迭代方法对狄利克雷先验参数进行估计，确定隐含狄利克雷分布主题模型中的狄利克雷先验参数；将狄利克雷先验参数确定后的主题模型确定为应急水源地提取模型；将全色遥感测试影像输入至应急水源地提取模型中，得到全色遥感测试影像中的水源地。本发明能提高应急水源地提取的准确度，且能避免消耗极大的人力成本，便于提取。 | ||||||
| 117 | 基于引导滤波与稀疏表示的遥感影像融合方法 | CN202210356388.3 | 2022-03-30 | CN114708178B | 2024-06-14 | 金伟其; 李颖捷; 左东升; 郭宏; 裘溯 |
| 本发明公开的一种基于引导滤波与稀疏表示的遥感影像融合方法，属于遥感图像处理技术领域。本发明实现方法为：对多光谱影像进行非线性HSV变换降低图像混叠，减小计算量；使用引导滤波的手段，对全色影像和多光谱影像的细节信息进行多次的提取，得到有效提取结构特征信息的细节影像；通过稀疏表示对全色影像和多光谱影像的低频信息进行融合，充分利用图像低频信息的能量；根据提取的高频分量结构特征信息和低频分量信息，融合得到新的亮度图像V'，即基于引导滤波与稀疏表示实现遥感影像融合，显著提高多光谱影像的分辨率；并对亮度图像V'进行HSV空间逆变换，实现多光谱影像的超分辨成像。本发明利用全色影像直接重构低频字典，减少了由于缺少理想影像训练字典带来的结果的不确定性。 | ||||||
| 118 | 基于分类的卫星影像自动处理方法、装置、设备及介质 | CN202410051274.7 | 2024-01-15 | CN117575970A | 2024-02-20 | 巴晓娟; 王宇翔; 王世超; 葛慧斌; 路聚峰; 宋权; 张纪华; 王鑫超 |
| 本发明提供了一种基于分类的卫星影像自动处理方法、装置、设备及介质，涉及卫星遥感影像技术领域，包括：获取卫星影像、参考DOM和参考DEM；对卫星影像中多光谱和参考DOM进行分类得到分类结果；根据卫星影像、参考DOM和参考DEM生成连接点和控制点，并利用分类结果进行筛选得到目标连接点和目标控制点，用以生成正射纠正后全色影像；根据卫星影像、正射纠正后全色影像和参考DEM生成配准点，并利用分类结果进行筛选得到目标配准点，用以生成正射纠正后多光谱影像；融合正射纠正后的全色影像和多光谱影像，并基于分类结果对融合后影像进行颜色增强。本发明不仅可以减少匹配误差，提升自动化处理正确率，还可以显著提升真彩色效果。 | ||||||
| 119 | 基于深度卷积神经网络的遥感图像融合方法 | CN202110851274.1 | 2021-07-27 | CN113689370A | 2021-11-23 | 黄为伟; 郑钰辉 |
| 本发明公开了一种基于深度卷积神经网络的遥感图像融合方法，属于遥感图像处理领域。首先，本发明将低空间分辨率的多光谱遥感影像预先插值到与高空间分辨率的全色影像相同大小，其次，利用深度卷积神经网络提取全色图像与多光谱图像的高频空间结构特征，最后，将提取到的高频残差信息与原始多光谱图像相加，得到融合后的具有高空间分辨率的多光谱遥感影像。本发明能够实现低分辨率多光谱影像与高分辨率全色影像的融合，得到结构清晰、空间分辨率高，光谱信息丰富的遥感影像。 | ||||||
| 120 | 基于分类的卫星影像自动处理方法、装置、设备及介质 | CN202410051274.7 | 2024-01-15 | CN117575970B | 2024-04-16 | 巴晓娟; 王宇翔; 王世超; 葛慧斌; 路聚峰; 宋权; 张纪华; 王鑫超 |
| 本发明提供了一种基于分类的卫星影像自动处理方法、装置、设备及介质，涉及卫星遥感影像技术领域，包括：获取卫星影像、参考DOM和参考DEM；对卫星影像中多光谱和参考DOM进行分类得到分类结果；根据卫星影像、参考DOM和参考DEM生成连接点和控制点，并利用分类结果进行筛选得到目标连接点和目标控制点，用以生成正射纠正后全色影像；根据卫星影像、正射纠正后全色影像和参考DEM生成配准点，并利用分类结果进行筛选得到目标配准点，用以生成正射纠正后多光谱影像；融合正射纠正后的全色影像和多光谱影像，并基于分类结果对融合后影像进行颜色增强。本发明不仅可以减少匹配误差，提升自动化处理正确率，还可以显著提升真彩色效果。 | ||||||
QQ群二维码
意见反馈
意见反馈