CN112906750B - 一种基于高光谱图像的材质分析方法及系统 - Google Patents
一种基于高光谱图像的材质分析方法及系统 Download PDFInfo
- Publication number
- CN112906750B CN112906750B CN202110097854.6A CN202110097854A CN112906750B CN 112906750 B CN112906750 B CN 112906750B CN 202110097854 A CN202110097854 A CN 202110097854A CN 112906750 B CN112906750 B CN 112906750B
- Authority
- CN
- China
- Prior art keywords
- hyperspectral image
- spectral
- pixel
- image data
- clustering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于高光谱图像的材质分析方法及系统,系统中的采集单元接受成像指令,采集被测物品的高光谱图像数据并发送至处理单元,处理单元接收高光谱图像数据,对高光谱图像进行聚类,分离出被测物品的各个组成部分,对每个物品组成部分的平均光谱进行光谱匹配,获取各个组成部分的材质类别信息,完成材质分析处理,并显示各个组成部分的材质分析结果。本发明可以对包含多种类型材质的物品进行材质分析,对被测物品没有损伤,可以有效提高材质分析效率,降低材质分析成本。
Description
技术领域
本发明涉及材质分析领域,尤其涉及一种基于高光谱图像的材质分析的实现方法。
背景技术
由于材质类型十分复杂多样且各种材质具有视觉上的相似性,人眼往往无法准确辨别材质类型。目前存在一些材质分析手段,需要对被测物品进行取样化验检测,对被测物品有损伤,耗费时间长,分析成本高。并且不同类别材质需要有不同的分析方法和专用仪器,分析通用性差,无法使用同一种方法对包含多种类型材质的物品进行检测分析。在实际生产中,需要对包含多种类型材质的物品进行快速无损且准确的材质分析,以提高分析效率,降低成本。目前,尚未有既能实现快速、无接触、无损伤材质分析,又能同时对物品中多种类型材质实现准确分析的材质分析系统。
发明内容
本发明要解决的技术问题是提供一种基于高光谱图像的材质分析系统,通过本系统可以采集被测物品的高光谱图像数据,对物品内的各组成部分同时实现材质分析,自动得到物品内多种组成材质的材质类型结果。
本发明通过如下的技术方案实现:
一种基于高光谱图像的材质分析系统,所述的分析系统包括:
——采集单元,用于响应于来自所述处理单元的成像指令,采集高光谱图像数据,并将所述高光谱图像数据发送给所述处理单元;
——处理单元,用于向所述采集单元发送所述成像指令;以及,接收并处理所述高光谱图像数据,处理和展示所述高光谱图像数据和材质分析结果。
所述的采集单元与处理单元进行数据交互。
所述的成像指令包括空间分辨率、波段数、曝光模式、图像文件格式。
所述的高光谱图像数据包括高光谱图像和对应的头文件。所述的高光谱图像数据是指在多个连续且细分的光谱波段获取的图像数据组成的集合。所述的头文件是指包含了高光谱图像成像参数信息的文件。
进一步地,所述的采集单元包括:
——第一通信模块,所述第一通信模块与所述成像模块连接,所述第一通信模块用于接收所述成像指令,并发送控制指令给成像模块,以及将所述成像模块采集的所述高光谱图像数据发送给所述处理单元;
——成像模块,所述成像模块用于响应于所述控制指令,采集所述高光谱图像数据,并将所述高光谱图像数据发送给所述第一通信模块;
——光源模块,所述光源模块用于产生恒定均匀的光照条件,以为成像模块提供稳定的高光谱成像环境;
——供能模块,所述供能模块分别与所述第一通信模块、所述成像模块和所述光源模块连接,所述供能模块用于分别向所述第一通信模块、所述成像模块和所述光源模块传输能源。
进一步地,所述的处理单元包括:
——第二通信模块,用于向所述采集单元发送所述成像指令,以及接收所述高光谱图像数据。
——数据处理模块,用于高光谱图像数据处理、存储和信息通讯,所述的数据处理模块可以接收高光谱图像数据,进行处理分析,获取分析结果,并将高光谱图像数据和分析结果传输给管理模块。所述的数据处理模块选自嵌入式设备、计算机、服务器中的任意一种或任意二种以上的组合。所述的嵌入式设备是指带有微处理器(如DSP,单片机),能够处理数据的设备。
——管理模块,管理模块还用于接收并显示所述高光谱图像数据,以及接收、存储、管理并显示来自所述数据处理模块的所述分析结果。所述的管理模块可以通过键盘、听筒、屏幕等感受用户的控制指令,可以将成像指令发送至成像模块,可以接收高光谱图像数据并进行显示,可以接收数据处理模块的分析结果并进行显示,可以对分析结果进行管理如编辑、存储等。所述的管理模块选自移动智能终端、嵌入式设备、计算机、服务器中的任意一种或任意两种以上的组合。所述的移动智能终端是指具有计算处理、显示能力的便携式设备,例如,智能手机、平板电脑、掌上电脑、笔记本电脑等。
——供能模块,所述供能模块分别与所述第二通信模块、所述数据模块和所述管理模块连接,所述供能模块用于分别向所述第二通信模块、所述数据模块和所述管理模块传输能源。
进一步地,本发明中所述的采集单元和处理单元中间、每个单元的各个模块之间的数据交互方式选自无线通信方式、有线通信方式中的任意一种或两种方式的组合。所述的无线通信方式选自红外通信、蓝牙通信、WIFI通信、蜂窝无线通信中的任意一种或任意多种。
本发明还提供一种基于高光谱图像的材质分析方法,包括如下步骤:
步骤1:所述处理单元向所述采集单元发送所述成像指令;
步骤2:所述采集单元响应于所述成像指令,对被测物品进行高光谱图像采集,生成所述高光谱图像数据,并将所述高光谱图像数据发送给所述处理单元;
步骤3:所述处理单元对接收到的所述高光谱图像数据进行聚类处理,以分离出所述被测物品的各个组成部分;
步骤4:所述处理单元计算针对所述被测物品的各个组成部分的平均光谱,将所述各个组成部分的平均光谱与参考光谱进行光谱匹配,并分析得到所述各个组成部分的材质分析结果;
步骤5:所述处理单元向所述用户展示所述高光谱图像数据和所述各个组成部分的材质分析结果;
其中,所述各个组成部分的材质分析结果包括所述各个组成部分的材质类别信息。
进一步地,所述聚类是指提取高光谱图像中像素的聚类特征,通过聚类度量距离衡量像素之间的相似性,通过聚类度量距离将具有相似性的像素分到同一类簇中。所述的聚类特征选自光谱反射率、光谱二值编码、光谱导数、光谱积分、空间位置信息的任意一种或多种。所述的聚类度量距离选自相关系数、光谱角距离、光谱信息散度、欧式距离中的任意一种。
所述的光谱匹配是指对目标光谱向量和参考光谱向量进行相似性度量,选择相似性最大的参考光谱所属材质为组成部分的材质。所述的参考光谱是指被测物品组成部分多种可选材质对应的光谱。所述的相似性度量选自相关系数、光谱角距离、光谱信息散度、欧式距离的一种或多种。
本发明实施例提供的系统包括一种基于高光谱图像的材质分析系统,采集单元接受成像指令,采集被测物品的高光谱图像数据并发送至处理单元,处理单元接收高光谱图像数据,对高光谱图像进行聚类,分离出被测物品的各个组成部分,对每个物品组成部分的平均光谱进行光谱匹配。这样,获取各个组成部分的材质类别信息,完成材质分析处理,并显示各个组成部分的材质分析结果。本发明可以对包含多种类型材质的物品进行材质分析,对被测物品没有损伤,可以有效提高材质分析效率,降低材质分析成本。
附图说明
图1为本发明的基于高光谱图像的材质分析系统结构框图;
图2为本发明的基于高光谱图像的材质分析方法流程图;
图3为本实施例提供的电缆截面图;
图4为本实施例提供的导体光谱图;
图5为本实施例提供的护套光谱图;
图6为本实施例提供的铠装层光谱图;
图7为本实施例提供的绝缘层光谱图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合具体的实施例详细说明本发明。下面描述了具体实施例以简化本发明。但是需要认识到,本发明不局限于所说明的实施例,并且在不脱离基本原理的前提下,本发明的各种修改是可能的,这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种基于高光谱图像的材质分析系统,其结构框图如图1所示,所述的分析系统包括:
采集单元,用于响应于来自所述处理单元的成像指令,采集高光谱图像数据,并将所述高光谱图像数据发送给所述处理单元;
处理单元,用于向所述采集单元发送所述成像指令;以及,接收并处理所述高光谱图像数据,处理和展示所述高光谱图像数据和材质分析结果。
所述的采集单元与处理单元进行数据交互。
所述的成像指令包括空间分辨率、波段数、曝光模式、图像文件格式。
所述的高光谱图像数据包括高光谱图像和对应的头文件。所述的高光谱图像数据是指在多个连续且细分的光谱波段获取的图像数据组成的集合。所述的头文件是指包含了高光谱图像成像参数信息的文件。
在本发明的一个可选实施例中,所述的采集单元包括:
第一通信模块,所述第一通信模块与所述成像模块连接,所述第一通信模块用于接收所述成像指令,并发送控制指令给成像模块,以及将所述成像模块采集的所述高光谱图像数据发送给所述处理单元;
成像模块,所述成像模块用于响应于所述控制指令,采集所述高光谱图像数据,并将所述高光谱图像数据发送给所述第一通信模块;
光源模块,所述光源模块用于产生恒定均匀的光照条件,以为成像模块提供稳定的高光谱成像环境;
供能模块,所述供能模块分别与所述第一通信模块、所述成像模块和所述光源模块连接,所述供能模块用于分别向所述第一通信模块、所述成像模块和所述光源模块传输能源。
在本发明的一个可选实施例中,所述的处理单元包括:
第二通信模块,用于向所述采集单元发送所述成像指令,以及接收所述高光谱图像数据。
数据处理模块,用于高光谱图像数据处理、存储和信息通讯,所述的数据处理模块可以接收高光谱图像数据,进行处理分析,获取分析结果,并将高光谱图像数据和分析结果传输给管理模块。所述的数据处理模块选自嵌入式设备、计算机、服务器中的任意一种或任意二种以上的组合。所述的嵌入式设备是指带有微处理器(如DSP,单片机),能够处理数据的设备。
管理模块,管理模块还用于接收并显示所述高光谱图像数据,以及接收、存储、管理并显示来自所述数据处理模块的所述分析结果。所述的管理模块可以通过键盘、听筒、屏幕等感受用户的控制指令,可以将成像指令发送至成像模块,可以接收高光谱图像数据并进行显示,可以接收数据处理模块的分析结果并进行显示,可以对分析结果进行管理如编辑、存储等。所述的管理模块选自移动智能终端、嵌入式设备、计算机、服务器中的任意一种或任意两种以上的组合。所述的移动智能终端是指具有计算处理、显示能力的便携式设备,例如,智能手机、平板电脑、掌上电脑、笔记本电脑等。
供能模块,所述供能模块分别与所述第二通信模块、所述数据模块和所述管理模块连接,所述供能模块用于分别向所述第二通信模块、所述数据模块和所述管理模块传输能源。
本发明中所述的采集单元和处理单元中间、每个单元的各个模块之间的数据交互方式选自无线通信方式、有线通信方式中的任意一种或两种方式的组合。所述的无线通信方式选自红外通信、蓝牙通信、WIFI通信、蜂窝无线通信中的任意一种或任意多种。
如图2所示,在一个可选的实施例中,本发明基于高光谱图像的材质分析方法主要包括以下步骤:
步骤1:处理单元发出成像指令;
步骤2:采集单元接受成像指令,对被测物品进行高光谱图像采集,生成高光谱图像数据,将所述高光谱图像数据返回至处理单元;
步骤3:处理单元接收高光谱图像数据,对高光谱图像进行聚类,分离出被测物品的各个组成部分。具体实施方式如下:
(1)输入高光谱图像的N个像元gi,i=1,2,…,N,每个像元gi为包含L个波段光谱反射率的L维向量,输入聚类个数P,计算每个像元的聚类特征,将聚类特征组合为像元yi的特征向量,聚类特征选自光谱反射率、光谱二值编码、光谱导数、光谱积分、空间位置信息中的任意一种或多种的组合,具体计算方式分别为:
①光谱反射率
xi(l)是像元gi在第l波段的光谱反射率,像元gi的聚类特征值为[xi(1),xi(2),xi(3),…,xi(L)]。
②光谱二值编码
T表示为像元gi光谱平均反射率,hi(l)为像元gi在第l波段的光谱二值编码,计算方法如下:
hi(l)=0,xi(l)≤T
hi(l)=1,xi(l)≥T
③光谱导数
光谱导数即为对像元的光谱反射率曲线进行求导运算,光谱一阶导数、二阶导数计算方法如下:
其中,λl是第l波段的波长值,R(λl)是在该波长上的反射率,Δλ是相邻两个波段间的差值。
④光谱积分
光谱积分就是求像元光谱反射率曲线在第l波段到第m波段波长范围内的覆盖面积,反映特定波长范围内反射光谱能量和,公式如下:
其中,ψlm表示在λl和λm波段范围内的反射光谱能量和,f(λ)表示光谱反射率曲线。
⑤空间位置信息
在空间维上以高光谱图像左上角的像元为原点,水平方向为x轴,垂直方向为y轴建立像元坐标平面。对于像元gi,其空间位置信息为(xi,yi);
(3)计算每个像元gi到聚类中心的距离Di,Di为像元gi到各聚类中心cp,p=1,2,3,…,P的最小聚类度量距离,聚类度量距离选自相关系数、光谱角距离、光谱信息散度、欧式距离的任意一种,具体计算方式如下:
①相关系数:
其中(gi)l和(cp)l分别为gi和cp在第l波段的数据。
②光谱角距离:
③光谱信息散度
④欧式距离
若新计算得到的像元到聚类中心Di t<Di t-1,则将该像元的距离更新为此距离,并通过将像元gi的类别更新为该聚类中心的类别p;
(4)第一次遍历所有像元后,重新计算新聚类中心cp,cp为所有类别为p的像元的平均,继续返回(3)迭代完成聚类,最后得到的聚类中心cp即为被测物品各个组成部分的平均光谱;
①相关系数:
其中(gi)l和(cp)l分别为gi和cp在第l波段的数据。
②光谱角距离:
③光谱信息散度
④欧式距离
步骤5:处理单元展示高光谱图像数据并显示各个组成部分的材质分析结果。
下面以铜芯交联聚乙烯绝缘双钢带铠装聚氯乙烯护套电力电缆为例,具体说明基于高光谱图像的材质分析方法及系统,该电缆由导体、绝缘层、护套、铠装层组成,电缆截面如图3所示,其中导体、护套、铠装层、绝缘层的材质分别为铜、聚氯乙烯、钢、交联聚乙烯。
根据实施例步骤1,处理单元发出成像指令。根据实施例步骤2,对被测电缆进行高光谱图像采集得到电缆高光谱图像。根据实施例步骤3,对高光谱图像进行聚类,分离出被测物品的各个组成部分包括导体、护套、铠装层、绝缘层,并确定导体、护套、铠装层、绝缘层的光谱,导体光谱如图4所示,护套光谱如图5所示,铠装层光谱如图6所示,绝缘层光谱如图7所示。根据本实施例步骤4,确定导体材质为铜,确定护套材料为聚氯乙烯,确定绝缘层材料类别为交联聚乙烯,确定铠装层材质为钢,与真实电缆材质完全一致,识别结果表明基于高光谱图像的材质分析方法及系统能有效完成被测物品的材质分析。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种基于高光谱图像的材质分析方法,其特征在于,包括一个材质分析系统,所述的材质分析系统包括采集单元和处理单元;
所述采集单元与所述处理单元连接;
所述采集单元,用于响应于来自所述处理单元的成像指令,采集高光谱图像数据,并将所述高光谱图像数据发送给所述处理单元;
所述处理单元,用于向所述采集单元发送所述成像指令;以及,接收并处理所述高光谱图像数据,处理和展示所述高光谱图像数据和材质分析结果;
其中,所述成像指令包括高光谱图像的空间分辨率、波段数、曝光模式和图像文件格式中的至少一种;所述高光谱图像数据包括所述高光谱图像和所述高光谱图像对应的头文件,所述高光谱图像数据包括在多个连续且细分的光谱波段获取的图像数据组成的集合,所述高光谱图像对应的头文件包括所述高光谱图像的成像参数信息;
所述的材质分析方法包括以下步骤:
步骤1:所述处理单元向所述采集单元发送所述成像指令;所述成像指令包括高光谱图像的空间分辨率、波段数、曝光模式和图像文件格式中的至少一种;
步骤2:所述采集单元响应于所述成像指令,对被测物品进行高光谱图像采集,生成所述高光谱图像数据,并将所述高光谱图像数据发送给所述处理单元;所述高光谱图像数据包括所述高光谱图像和所述高光谱图像对应的头文件,所述高光谱图像数据包括在多个连续且细分的光谱波段获取的图像数据组成的集合,所述高光谱图像对应的头文件包括所述高光谱图像的成像参数信息;
步骤3:所述处理单元对接收到的所述高光谱图像数据进行聚类处理,以分离出所述被测物品的各个组成部分,所述的各个组成部分包括导体、护套、铠装层和绝缘层;
所述的步骤3包括:
所述处理单元接收所述高光谱图像数据;
所述处理单元提取所述高光谱图像中各像素的聚类特征;所述聚类特征为光谱反射率、光谱二值编码、光谱导数、光谱积分和空间位置信息的至少一种;
所述处理单元根据聚类特征将具有相似性的像素分到同一类簇中,具体包括:
(1)输入所述高光谱图像的N个像元gi,i=1,2,...,N,每个像元gi为包含L个波段光谱反射率的L维向量,输入聚类个数P,计算每个像元的聚类特征,将聚类特征组合为像元gi的特征向量;
(3)计算每个像元gi到聚类中心的距离Di,Di为像元gi到各聚类中心cp,p=1,2,3,...,P的最小聚类度量距离;所述聚类度量距离包括相关系数、光谱角距离、光谱信息散度和欧式距离中的至少一种;
(4)第一次遍历所有像元后,重新计算新聚类中心cp,cp为所有类别为p的像元的平均,继续返回(3)迭代完成聚类,最后得到的聚类中心cp即为所述被测物品的各个组成部分的平均光谱;
步骤4:所述处理单元计算针对所述被测物品的各个组成部分的平均光谱,将所述各个组成部分的平均光谱与参考光谱进行光谱匹配,得到相似性度量参数;并分析得到所述各个组成部分的材质分析结果;所述参考光谱包括所述被测物品的各个组成部分采用的多种可选材质对应的光谱,所述相似性度量参数包括欧式距离、光谱角距离、相关系数和相似系数中的至少一种;
步骤5:所述处理单元向用户展示所述高光谱图像数据和所述各个组成部分的材质分析结果;
其中,所述各个组成部分的材质分析结果包括所述各个组成部分的材质类别信息。
2.根据权利要求1所述的基于高光谱图像的材质分析方法,其特征在于,所述聚类特征的计算方式,包括:
①光谱反射率:
xi(l)是像元gi在第l波段的光谱反射率,像元gi的聚类特征值为[xi(1),xi(2),xi(3),...,xi(L)];
②光谱二值编码:
T表示为像元gi光谱平均反射率,hi(l)为像元gi在第l波段的光谱二值编码,计算方法如下:
hi(l)=0,xi(l)≤T
hi(l)=1,xi(l)≥T
③光谱导数:
光谱导数即为对像元的光谱反射率曲线进行求导运算,光谱一阶导数、二阶导数计算方法如下:
其中,λl是第l波段的波长值,R(λl)是在该波长上的反射率,Δλ是相邻两个波段间的差值;
④光谱积分:
光谱积分就是求像元光谱反射率曲线在第l波段到第m波段波长范围内的覆盖面积,反映特定波长范围内反射光谱能量和,公式如下:
其中,ψlm表示在λl和λm波段范围内的反射光谱能量和,f(λ)表示光谱反射率曲线;
⑤空间位置信息:
在空间维上以高光谱图像左上角的像元为原点,水平方向为x轴,垂直方向为y轴建立像元坐标平面,对于像元gi,其空间位置信息为(xi,yi)。
5.一种电子设备,包括处理器以及被安排成存储计算机可执行指令的存储器,其特征在于,所述处理器执行所述可执行指令时实现权利要求1~4任一项所述的基于高光谱图像的材质分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097854.6A CN112906750B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的材质分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110097854.6A CN112906750B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的材质分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112906750A CN112906750A (zh) | 2021-06-04 |
CN112906750B true CN112906750B (zh) | 2022-04-29 |
Family
ID=76119538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110097854.6A Active CN112906750B (zh) | 2021-01-25 | 2021-01-25 | 一种基于高光谱图像的材质分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112906750B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113588592B (zh) * | 2021-06-30 | 2022-09-30 | 北京航空航天大学 | 基于特定谱段的典型目标材质识别方法 |
CN113865915B (zh) * | 2021-09-18 | 2023-10-13 | 长江存储科技有限责任公司 | 一种切片样品的检测方法 |
CN113688272B (zh) * | 2021-10-25 | 2022-03-15 | 南通瑞隆农产品开发有限公司 | 一种用于农产品包装的智能选材方法及装置 |
CN114638987A (zh) * | 2022-03-09 | 2022-06-17 | 浙江大学 | 一种基于对比学习光谱特征提取的金属材质识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2927460A1 (en) * | 2013-10-22 | 2015-04-30 | Cgg Services Sa | Desktop hyperspectral spectra collection of geological material |
CN107179297A (zh) * | 2017-05-15 | 2017-09-19 | 崔哲 | 一种智能红木种类鉴定方法及其平台 |
CN108446582A (zh) * | 2018-01-25 | 2018-08-24 | 西安电子科技大学 | 基于纹理特征和仿射传播聚类算法的高光谱图像分类方法 |
CN108491888B (zh) * | 2018-04-02 | 2020-07-14 | 安徽大学 | 基于形态学分析的环境监测高光谱数据谱段选择方法 |
CN110008948B (zh) * | 2019-04-15 | 2021-06-01 | 西安电子科技大学 | 基于变分自编码网络的高光谱图像目标检测方法 |
CN110807387A (zh) * | 2019-10-25 | 2020-02-18 | 山东师范大学 | 一种基于高光谱图像特征的对象分类方法及系统 |
CN111521575B (zh) * | 2020-05-22 | 2023-03-14 | 国家地质实验测试中心 | 质控物质选择方法及装置 |
-
2021
- 2021-01-25 CN CN202110097854.6A patent/CN112906750B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112906750A (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906750B (zh) | 一种基于高光谱图像的材质分析方法及系统 | |
US8472714B2 (en) | Identification apparatus and method for identifying properties of an object detected by a video surveillance camera | |
US9589177B2 (en) | Enhanced face detection using depth information | |
US7852217B2 (en) | Object detecting device, object detecting method and object detecting computer program | |
CN109843034B (zh) | 用于谷田的产量预测 | |
CN110675448B (zh) | 基于民航客机的地面灯光遥感监测方法、系统及存储介质 | |
CN111412842A (zh) | 墙面的截面尺寸的测量方法及装置、系统 | |
CN113792725B (zh) | 元器件检测装置和方法 | |
KR101342523B1 (ko) | 위치 측정 장치 및 위치 측정 방법 | |
JP5941514B2 (ja) | スペクトル的および空間的物体モデルから識別する方法 | |
CN117804368A (zh) | 一种基于高光谱成像技术的隧道围岩变形监测方法及系统 | |
Rashid et al. | An enhanced cloud segmentation algorithm for accurate irradiance forecasting | |
CN107742114A (zh) | 高光谱图像特征检测方法及装置 | |
CA3140449A1 (en) | System and method for object recognition using 3d mapping and modeling of light | |
CN109212464B (zh) | 估计终端间距及位置规划的方法、设备 | |
CN115830318A (zh) | 基于改进Mask-RCNN网络的重叠烟丝图像分割方法及装置 | |
CN117309575A (zh) | 监测岩石表面微观损伤演化的方法、装置及系统 | |
CN110910379B (zh) | 一种残缺检测方法及装置 | |
CN112903603A (zh) | 一种基于高光谱图像的成分分析方法及系统 | |
CN110895701B (zh) | 基于cn和fhog的森林火灾在线识别方法及装置 | |
CN112907550A (zh) | 一种建筑物检测方法、装置、电子设备及存储介质 | |
RU2752246C1 (ru) | Программно-аппаратный комплекс, предназначенный для обработки аэрофотоснимков видимого и дальнего инфракрасного диапазонов с целью обнаружения, локализации и классификации строений вне населенных пунктов | |
CN117935082B (zh) | 基于机器学习的夜间图像处理方法及系统 | |
CN116071241B (zh) | 基于最优拼缝线与图割模型求解的高光谱图像拼接方法 | |
US20240035962A1 (en) | Detecting changes in forest composition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |