| 序号 | 专利名 | 申请号 | 申请日 | 公开（公告）号 | 公开（公告）日 | 发明人 |
|---|---|---|---|---|---|---|
| 121 | 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 | CN114708178A | 2022-07-05 | 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。 | ||||||
| 122 | 一种全色与多光谱图像融合方法、装置及其应用 | CN202110989821.2 | 2021-08-26 | CN113763299B | 2022-10-14 | 周朝阳; 徐其志; 陈力; 王幸; 郭梦瑶 |
| 本发明公开了一种全色与多光谱图像融合方法、装置及其应用，该方法首先对全色图进行波段叠加，将多光谱图像插值为与全色图相同分辨率的插值图像，将二者相减并进行高斯滤波得到插值趋势图；通过构建具有光谱和空谱判别器的无监督融合模型得到具有高保真融合能力的融合模型；利用该融合模型自动对全色与多光谱影像进行处理，获取高保真的融合影像。本发明中的融合方法得到的融合模型适合处理原始分辨率的遥感影像，并且有效地减少了目前基于深度学习融合方法常见的细节失真问题，运行速度快，融合效果好。 | ||||||
| 123 | 一种全色与多光谱图像融合方法、装置及其应用 | CN202110989821.2 | 2021-08-26 | CN113763299A | 2021-12-07 | 周朝阳; 徐其志; 陈力; 王幸; 郭梦瑶 |
| 本发明公开了一种全色与多光谱图像融合方法、装置及其应用，该方法首先对全色图进行波段叠加，将多光谱图像插值为与全色图相同分辨率的插值图像，将二者相减并进行高斯滤波得到插值趋势图；通过构建具有光谱和空谱判别器的无监督融合模型得到具有高保真融合能力的融合模型；利用该融合模型自动对全色与多光谱影像进行处理，获取高保真的融合影像。本发明中的融合方法得到的融合模型适合处理原始分辨率的遥感影像，并且有效地减少了目前基于深度学习融合方法常见的细节失真问题，运行速度快，融合效果好。 | ||||||
| 124 | 一种基于遥感影像的土地利用分类识别系统 | CN202310368802.7 | 2023-04-10 | CN116129278B | 2023-06-30 | 朱坤庆; 宫玉鑫; 房立伟; 魏士春; 王春雨; 马文龙; 王登喜; 王晴; 孙艳丽; 袁晶晶 |
| 本发明公开了一种基于遥感影像的土地利用分类识别系统，涉及图像处理领域，该系统包括：图像采集模块：用于采集全色遥感影像以及多光谱遥感影像；预处理模块：用于获取多光谱遥感影像中每个像素点属于每种土地利用类别的概率，进而得到每个像素点的特征值向量以及特征图像；获取全色遥感影像的多个下采样图像以及下采样图像中像素点间的相似性；数据处理模块：用于利用目标图像中像素点间的相似性以及像素点的特征值向量，逐级得到全色遥感影像中每个像素点的特征值向量；识别模块：用于利用全色遥感影像中每个像素点的特征值向量得到每个像素点对应的土地利用类别。本发明提高了土地利用类别识别的准确性。 | ||||||
| 125 | 一种基于遥感影像的土地利用分类识别系统 | CN202310368802.7 | 2023-04-10 | CN116129278A | 2023-05-16 | 朱坤庆; 宫玉鑫; 房立伟; 魏士春; 王春雨; 马文龙; 王登喜; 王晴; 孙艳丽; 袁晶晶 |
| 本发明公开了一种基于遥感影像的土地利用分类识别系统，涉及图像处理领域，该系统包括：图像采集模块：用于采集全色遥感影像以及多光谱遥感影像；预处理模块：用于获取多光谱遥感影像中每个像素点属于每种土地利用类别的概率，进而得到每个像素点的特征值向量以及特征图像；获取全色遥感影像的多个下采样图像以及下采样图像中像素点间的相似性；数据处理模块：用于利用目标图像中像素点间的相似性以及像素点的特征值向量，逐级得到全色遥感影像中每个像素点的特征值向量；识别模块：用于利用全色遥感影像中每个像素点的特征值向量得到每个像素点对应的土地利用类别。本发明提高了土地利用类别识别的准确性。 | ||||||
| 126 | 基于金字塔模型的pansharpen融合优化方法 | CN201611073973.3 | 2016-11-29 | CN106611410A | 2017-05-03 | 张炳先; 李岩; 陈雪华; 张彪; 邢坤; 何红艳; 赵薇薇; 鲍莉莉; 王艳 |
| 一种基于金字塔模型的pansharpen融合优化方法，首先对全色影像和多光谱影像进行配准处理，并对全色影像和多光谱影像建立三层金字塔结构，然后构建不等约束模型，求取融合比例系数，对获取的多个比例系数进行最小二乘处理，得到最优的融合比例系数，最后对全色影像和多光谱影像进行像素级融合处理，获取最终的融合结果。本发明方法通过利用多光谱的谱段信息，构建全色和多光谱之间的能量配比关系，能够有效抑制影像中出现的光谱畸变现象，通过引入不等条件约束方程，限定能量配比系数的大小，避免了融合过程中出现“黑洞”现象，通过引入金字塔模型，避免了大数据的迭代计算，节省了计算资源并提高了计算效率，具有很好的使用价值。 | ||||||
| 127 | 顾及幅宽差异下的全色-多光谱-高光谱一体化融合方法 | CN202211087146.5 | 2022-09-07 | CN115564692B | 2023-12-05 | 孟祥超; 孟祥军; 束进芳; 刘强; 邵枫; 杨刚; 孙伟伟 |
| 本发明涉及顾及幅宽差异下的全色‑多光谱‑高光谱一体化融合方法，包括对全色影像、多光谱影像和高光谱影像进行预处理和精确配准；构建三条编码支路，获取3组空间尺度不同的空间‑光谱一致性特征；根据空间‑光谱一致性特征构建单支路解码模块，将拥有最小尺度的特征逐层级上采样的同时与其它对应尺度特征叠加后进行同样的处理，得到对应的标签大小的融合影像。本发明的有益效果是：本发明可以降低高光谱和全色影像融合时空间分辨率差异过大的困难性，此外，可补充高光谱影像幅宽有限区域的空间‑光谱信息，并同时满足幅宽一致区域全色‑多光谱‑高光谱影像的一体化融合。 | ||||||
| 128 | 基于金字塔模型的pansharpen融合优化方法 | CN201611073973.3 | 2016-11-29 | CN106611410B | 2019-10-22 | 张炳先; 李岩; 陈雪华; 张彪; 邢坤; 何红艳; 赵薇薇; 鲍莉; 王艳 |
| 一种基于金字塔模型的pansharpen融合优化方法，首先对全色影像和多光谱影像进行配准处理，并对全色影像和多光谱影像建立三层金字塔结构，然后构建不等约束模型，求取融合比例系数，对获取的多个比例系数进行最小二乘处理，得到最优的融合比例系数，最后对全色影像和多光谱影像进行像素级融合处理，获取最终的融合结果。本发明方法通过利用多光谱的谱段信息，构建全色和多光谱之间的能量配比关系，能够有效抑制影像中出现的光谱畸变现象，通过引入不等条件约束方程，限定能量配比系数的大小，避免了融合过程中出现“黑洞”现象，通过引入金字塔模型，避免了大数据的迭代计算，节省了计算资源并提高了计算效率，具有很好的使用价值。 | ||||||
| 129 | 高分辨率卫星遥感交通流信息自动采集方法 | CN201210344373.1 | 2012-09-17 | CN102855759B | 2014-04-09 | 刘亚岚; 刘珠妹; 任玉环 |
| 本发明公开了一种高分辨率卫星遥感交通流信息自动采集方法，其步骤：A、预处理，包括全色影像与矢量路网及全色与多光谱影像的配准，道路区域分割与双边滤波增强。B、据对步骤A得到的道路区域影像目视判读获得车辆样本特征值，建立车辆遥感影像特征库。C、对步骤B所得全色影像进行神经网络车辆粗提取与面向对象车辆精提取。D、利用图像频率域相关匹配法，在多光谱影像中搜索对应步骤C精提取的车辆位置并进行匹配。E、据步骤C和步骤D得到的对应车辆位置，计算全色与多光谱影像中同一车辆的位移量，进而估算各交通流参数信息。F、通过精度评价加以验证。该方法能实现大范围系列静态和动态交通流信息自动化快速采集，效率更高，简单易行。 | ||||||
| 130 | 地物变化立方量遥感计算方法、装置、设备及存储介质 | CN202411457682.9 | 2024-10-18 | CN119359949A | 2025-01-24 | 温庆可; 殷晨; 刘朔 |
| 本发明提供一种地物变化立方量遥感计算方法、装置、设备及存储介质，该地物变化立方量遥感计算方法，包括：基于激光测高数据和亚米级高空间分辨率影像确定控制点；基于控制点修正立体测绘卫星影像中的RPC参数，基于修正后的目标立体测绘卫星影像的后视全色影像和前视全色影像得到地物DSM变化图；基于修正后的RPC参数对后视全色影像和后视多光谱影像进行处理，得到正射高空间分辨率多光谱影像；基于正射高空间分辨率多光谱影像和地物DSM变化图构建特征空间；基于特征空间确定地物变化区域；基于地物变化区域和地物DSM变化图计算地物变化立方量。本发明基于立体测绘卫星影像，辅助使用激光测高数据和亚米级高空间分辨率影像实现地物变化量的精确测算。 | ||||||
| 131 | 一种基于卷积神经网络的影像融合方法以及遥感影像融合方法 | CN202211416882.0 | 2022-11-14 | CN115471437B | 2023-03-10 | 桑会勇; 郝才斐; 乔庆华; 翟亮; 张英; 刘佳; 侯伟 |
| 本发明提出了一种基于卷积神经网络的影像融合方法，包括：T1，使用第一重编解码器网络用于全色影像和多光谱影像空间特征的联合提取；T2，第二重编码器网络用于对高光谱影像提取光谱特征，以及将所述高光谱影像的特征和T1中得到的特征进行融合，并重建影像。本发明还提出一种遥感影像融合方法，其使用了如前所述的基于卷积神经网络的影像融合方法。本发明同时使用了全色、多光谱、高光谱影像信息，将三者的优势进行了结合，解决了单独两种影像进行融合中信息差异过大的问题。 | ||||||
| 132 | 多源异质特征对比学习模型的构建方法及装置 | CN202411093361.5 | 2024-08-09 | CN118968305A | 2024-11-15 | 秦进春; 王建荣; 杨秀策; 刘松林; 胡燕; 吕源; 曹彬才; 魏永强 |
| 本发明提供一种多源异质特征对比学习模型的构建方法及装置，该方法包括：采集对应同一目标对象的高光谱影像、多光谱影像、以及全色影像；基于高光谱影像提取目标像素的光谱曲线；根据高光谱影像、多光谱影像、以及全色影像分别获取目标像素的高光谱邻域影像、多光谱邻域影像、以及全色邻域影像；将光谱曲线及三种邻域影像作为输入信息进行特征提取，得到多源异质特征；将多源异质特征映射到统一的特征空间中，得到对应的编码信息；对编码信息进行对比学习，以实现多源异质特征对齐，得到多源异质特征对比学习模型。利用本发明方案，可以获得更丰富、更具判别性的地物特征表示。 | ||||||
| 133 | 一种基于深度残差神经网络的遥感影像融合方法及系统 | CN201811623480.1 | 2018-12-28 | CN109767412A | 2019-05-17 | 邓练兵 |
| 本发明公开一种基于深度残差神经网络的遥感影像融合方法及系统，对全色影像与多光谱影像分别进行相应倍数的下采样，获得训练样本；构建深度残差神经网络，该网络为深度卷积结构，输入深度残差神经网络的全色影像和多光谱影像依次经过多个卷积模块所得的输出，与输入的多光谱影像相加构成残差结构；利用训练样本与随机梯度下降算法对深度残差神经网络进行训练，对于待融合的多光谱影像与全色影像，分别进行相应倍数的下采样后输入到训练好的深度残差神经网络中，得到融合后的具备高空间分辨率的多光谱影像。本发明能综合两种影像各自的关键信息，提高多光谱影像的空间分辨率。 | ||||||
| 134 | 融合影像检测方法和装置 | CN201210318559.X | 2012-08-31 | CN102867303A | 2013-01-09 | 刘军; 黄华文; 谭春 |
| 本申请提供了一种融合影像检测方法和装置，所述方法包括：将源全色影像、目标融合影像的每一波段影像分别进行分层，得到预定层数个不同尺度的子全色影像，以及每一波段对应的所述预定层数个不同尺度的子目标融合影像；将所述目标融合影像进行采样，并将采样后的融合影像的每一波段影像进行分层，得到每一波段对应的所述预定层数个不同尺度的子采样目标融合影像；计算目标融合影像每一波段对应的影像空间质量以及计算每一波段对应的影像光谱质量；检测不同波段对应的影像空间质量和影像光谱质量，确定所述目标融合影像是否满足质量要求。通过本申请实施例可以有效检测目标融合影像，提高检测的准确度。 | ||||||
| 135 | 一种提高图像色彩自然性的遥感影像融合方法及系统 | CN202510422144.4 | 2025-04-07 | CN119941514A | 2025-05-06 | 吴朝辉; 屈伟军; 黄垒军; 杨利娟; 曹诚; 胡肃临; 王灿; 唐明; 毛婷; 易定邦 |
| 本申请提出了一种提高图像色彩自然性的遥感影像融合方法及系统，包括：将多光谱图像与全色图像进行几何配准，并将多光谱图像重采样至所述全色图像同样大小；将多光谱图像的B、G、R、NIR波段取均值，得到模拟低分辨率全色图像；采用植被增强方法对多光谱图像的绿色波段进行增强，替换原有绿色波段；将模拟低分辨率全色图像作为GS变换第一分量，依次对多光谱图像各波段进行GS正变换；将全色图像进行波段匹配，得到调整后的全色图像；利用调整后的全色图像替换GS变换第一分量进行GS逆变换得到高分辨率多光谱图像。本方法利用近红外波段对植被进行增强，在提高图像空间分辨率的同时有效提高了图像的色彩自然性，改善了图像的视觉效果。 | ||||||
| 136 | 顾及幅宽差异下的全色-多光谱-高光谱一体化融合方法 | CN202211087146.5 | 2022-09-07 | CN115564692A | 2023-01-03 | 孟祥超; 孟祥军; 束进芳; 刘强; 邵枫; 杨刚; 孙伟伟 |
| 本发明涉及顾及幅宽差异下的全色‑多光谱‑高光谱一体化融合方法，包括对全色影像、多光谱影像和高光谱影像进行预处理和精确配准；构建三条编码支路，获取3组空间尺度不同的空间‑光谱一致性特征；根据空间‑光谱一致性特征构建单支路解码模块，将拥有最小尺度的特征逐层级上采样的同时与其它对应尺度特征叠加后进行同样的处理，得到对应的标签大小的融合影像。本发明的有益效果是：本发明可以降低高光谱和全色影像融合时空间分辨率差异过大的困难性，此外，可补充高光谱影像幅宽有限区域的空间‑光谱信息，并同时满足幅宽一致区域全色‑多光谱‑高光谱影像的一体化融合。 | ||||||
| 137 | 高分辨率卫星遥感交通流信息自动采集方法 | CN201210344373.1 | 2012-09-17 | CN102855759A | 2013-01-02 | 刘亚岚; 刘珠妹; 任玉环 |
| 本发明公开了一种高分辨率卫星遥感交通流信息自动采集方法，其步骤：A、预处理，包括全色影像与矢量路网及全色与多光谱影像的配准，道路区域分割与双边滤波增强。B、据对步骤A得到的道路区域影像目视判读获得车辆样本特征值，建立车辆遥感影像特征库。C、对步骤B所得全色影像进行神经网络车辆粗提取与面向对象车辆精提取。D、利用图像频率域相关匹配法，在多光谱影像中搜索对应步骤C精提取的车辆位置并进行匹配。E、据步骤C和步骤D得到的对应车辆位置，计算全色与多光谱影像中同一车辆的位移量，进而估算各交通流参数信息。F、通过精度评价加以验证。该方法能实现大范围系列静态和动态交通流信息自动化快速采集，效率更高，简单易行。 | ||||||
| 138 | 基于主成分分析的遥感影像空谱融合方法、系统及介质 | CN202410903391.1 | 2024-07-05 | CN118780996A | 2024-10-15 | 余顺超; 刘晓林; 王娟; 顾祝军; 黄俊; 史燕东; 吴镇宇; 喻恒松; 寇馨月; 李浩 |
| 本发明公开了基于主成分分析的遥感影像空谱融合方法，选取全色波段和多光谱波段的均值滤波图像组成向量序列，计算出特征值和特征向量，将向量序列进行PCA变换，得到一个与全色波段的均值滤波图像相关系数最大的分量作为第一主成分分量，将第一主成分分量进行PCA逆变换，并将多光谱数据替换变换的第一主成分分量，同时假设特征提取算子与多光谱不相关，求解多光谱特征系数的极值，从而得到高分辨率下均值滤波图像的空谱融合表达式。本发明还公开了空谱融合系统，将多光谱波段的光谱信息与全色波段的空间信息有机融合，使得影像中地物光谱信息得到改善，又高度保留全色影像的几何纹理和空间细节，有效提高了全色影像的目视分辨力和计算机解析能力。 | ||||||
| 139 | 一种基于卷积神经网络的影像融合方法以及遥感影像融合方法 | CN202211416882.0 | 2022-11-14 | CN115471437A | 2022-12-13 | 桑会勇; 郝才斐; 乔庆华; 翟亮; 张英; 刘佳; 侯伟 |
| 本发明提出了一种基于卷积神经网络的影像融合方法，包括：T1，使用第一重编解码器网络用于全色影像和多光谱影像空间特征的联合提取；T2，第二重编码器网络用于对高光谱影像提取光谱特征，以及将所述高光谱影像的特征和T1中得到的特征进行融合，并重建影像。本发明还提出一种遥感影像融合方法，其使用了如前所述的基于卷积神经网络的影像融合方法。本发明同时使用了全色、多光谱、高光谱影像信息，将三者的优势进行了结合，解决了单独两种影像进行融合中信息差异过大的问题。 | ||||||
| 140 | 基于尺度不变性的Gram-Schmidt变换空-谱融合方法 | CN202311059572.2 | 2023-08-22 | CN118552416B | 2024-11-29 | 余顺超; 刘超群; 刘晓林; 顾祝军; 何颖清; 王行汉; 邹显勇; 姜学兵; 李岚斌 |
| 本发明公开了一种基于尺度不变性的Gram‑Schmidt变换空‑谱融合方法及系统，所述方法包括：获取全色遥感影像和多光谱遥感影像并进行空间配准；利用多光谱遥感影像构建低分辨率全色波段影像并作为中介波段；根据全色遥感影像和多光谱遥感影像选取融合目标波段和融合源波段，融合目标波段和融合源波段之一为任一多光谱波段影像M；根据融合目标波段、融合源波段和中介波段，按照基于尺度不变性的Gram‑Schmidt变换下的融合方案进行空‑谱融合，得到波段影像M的融合成果，进而得到多光谱遥感影像的融合成果。本发明利用融合方案，提高了空‑谱融合的稳定性、适应性，保持了多光谱影像光谱信息及高分辨率影像的空间细节信息。 | ||||||
QQ群二维码
意见反馈
意见反馈