基于目标特征增强多尺度融合网络的遥感目标检测方法

    公开(公告)号:CN119229096A

    公开(公告)日:2024-12-31

    申请号:CN202411721505.7

    申请日:2024-11-28

    Applicant: 无锡学院

    Abstract: 本发明公开了基于目标特征增强多尺度融合网络的遥感目标检测方法,通过构建多层特征聚合模块作为主要特征提取模块,更好地提取各类别的目标特征;构建多通道特征融合模块,减少网络层参数量,采用跨阶段层次结构设计MCFCSP模块,实现更丰富的梯度组合和特征表达,加强网络特征融合能力;通过采用采用自顶向下和自底向上的特征融合策略,促进不同层次特征之间的信息交互;构建分数阶傅里叶变换卷积,根据小目标的特点和场景的变化调整参数,来适应不同类型、不同尺寸和不同复杂度的小目标。本发明提出的方法具备检测精度高、计算复杂度低、特征表示能力强等特点,能有效提高小目标的检测精度,进一步改善遥感图像小目标检测性能。

    基于高低语义信息融合的滑坡图像分割方法

    公开(公告)号:CN118887406B

    公开(公告)日:2025-01-28

    申请号:CN202411375916.5

    申请日:2024-09-30

    Applicant: 无锡学院

    Abstract: 本发明公开了基于高低语义信息融合的滑坡图像分割方法,属于滑坡图像处理技术领域。本发明通过构建基于高低语义信息融合的滑坡遥感图像语义分割网络,在网络中通过构建增强全局信息池化模块获取滑坡图像的多尺度信息;在编码器与解码器之间构建了不同特征交互模块从而提升模型的信息交互能力,并通过增强目标信息注意力模块关注图像目标区域特征;设计了多级语义信息融合模块细化图像的边界信息,提高模型对滑坡区域的识别能力,提升模型的分割效果。

    一种基于双分支特征融合的图像去噪方法

    公开(公告)号:CN119313583A

    公开(公告)日:2025-01-14

    申请号:CN202411373397.9

    申请日:2024-09-29

    Applicant: 无锡学院

    Abstract: 本申请公开了一种基于双分支特征融合的图像去噪方法,具体为:步骤1:进行图像收集,并对收集的图像进行预处理;步骤2:搭建双分支特征融合的去噪网络,该网络包括生成网络和判别网络,将生成网络生成的去噪图像和真实的图像通过判别网络进行真假判别;步骤3:对生成网络和判别网络进行对抗训练,得到训练好的双分支特征融合的去噪网络;步骤4:采用训练好的生成网络对图像进行去噪处理。本方法在去噪质量、模型泛化能力和运算时间上均显著优于传统去噪方法,能够有效去除不同类型的噪声,保留更多图像细节和结构信息。

    基于高低语义信息融合的滑坡图像分割方法

    公开(公告)号:CN118887406A

    公开(公告)日:2024-11-01

    申请号:CN202411375916.5

    申请日:2024-09-30

    Applicant: 无锡学院

    Abstract: 本发明公开了基于高低语义信息融合的滑坡图像分割方法,属于滑坡图像处理技术领域。本发明通过构建基于高低语义信息融合的滑坡遥感图像语义分割网络,在网络中通过构建增强全局信息池化模块获取滑坡图像的多尺度信息;在编码器与解码器之间构建了不同特征交互模块从而提升模型的信息交互能力,并通过增强目标信息注意力模块关注图像目标区域特征;设计了多级语义信息融合模块细化图像的边界信息,提高模型对滑坡区域的识别能力,提升模型的分割效果。

Patent Agency Ranking