-
公开(公告)号:CN115100449B
公开(公告)日:2023-04-14
申请号:CN202210921778.0
申请日:2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感数据多目标关联匹配与轨迹生成方法及设备,利用SIFT尺度不变的特性对多模态序列遥感图像进行空间配准,再利用基于拓扑特征相似度匹配的多目标关联匹配方法对图像中的目标信息进行关联匹配,该发明可以将不同传感器在空间及时间上的冗余或互补信息进行组合,获得比单一传感器单时相数据更完善更准确的目标轨迹信息,具有高效率、高精度的特点。
-
公开(公告)号:CN115272856B
公开(公告)日:2023-04-04
申请号:CN202210900854.X
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/045 , G06N3/0464 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种舰船目标细粒度识别方法及设备,结合细粒度分类结果和旋转框参数,实现对舰船目标的细粒度识别,避免了成像条件、拍摄角度和舰船目标中心点或角点位置随机导致模型难以聚焦关键点处的细粒度特征的问题,提高了模型定位关键点的准确度,通过构建关键点注意力,引导模型聚焦关键点区域的细粒度特征及其内在自相关性,提高了舰船目标的细粒度识别准确率,为舰船目标细粒度识别提供了一种切实可行的技术途径,在遥感目标识别领域有较大的实际应用价值。
-
公开(公告)号:CN115019182B
公开(公告)日:2023-03-24
申请号:CN202210900356.5
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标细粒度识别方法、系统、设备及存储介质,获取至少一幅图像;利用卷积神经网络提取所述图像的多尺度特征;利用Transformer对所述多尺度特征图进行编码;利用特征融合金字塔网络对所述的编码后的多尺度特征图进行特征融合;利用融合后的特征图,采用旋转框检测头提取目标;利用旋转变换对提取的目标的特征进行对齐;利用Transformer对旋转变换后的目标特征图进行细粒度分类,得到目标细粒度识别结果。本发明提升了检测方法对目标局部特征和全局特征的整体提取能力,提高了目标细粒度识别精度,可应用于高分辨率遥感图像中的船只、飞机等目标细粒度识别。
-
公开(公告)号:CN115019183B
公开(公告)日:2023-01-20
申请号:CN202210900359.9
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于知识蒸馏和图像重构的遥感影像模型迁移方法,包括:在样本充足和标注完整的数据集A中训练第一目标检测模型,获得教师模型;利用知识蒸馏对所述教师模型进行压缩,获得学生模型,并在样本不足的数据集B中进行训练;利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别,获得第一判别结果;重构所述待测试数据,使所述待测试数据与所述数据集A的数据类型相同,利用所述教师模型对重构后的待测试数据进行判别,获得第二判别结果;将所述第一判别结果和所述第二判别结果的全连接层进行加权融合,获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。
-
公开(公告)号:CN115019182A
公开(公告)日:2022-09-06
申请号:CN202210900356.5
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标细粒度识别方法、系统、设备及存储介质,获取至少一幅图像;利用卷积神经网络提取所述图像的多尺度特征;利用Transformer对所述多尺度特征图进行编码;利用特征融合金字塔网络对所述的编码后的多尺度特征图进行特征融合;利用融合后的特征图,采用旋转框检测头提取目标;利用旋转变换对提取的目标的特征进行对齐;利用Transformer对旋转变换后的目标特征图进行细粒度分类,得到目标细粒度识别结果。本发明提升了检测方法对目标局部特征和全局特征的整体提取能力,提高了目标细粒度识别精度,可应用于高分辨率遥感图像中的船只、飞机等目标细粒度识别。
-
公开(公告)号:CN116524358B
公开(公告)日:2024-05-03
申请号:CN202310460249.X
申请日:2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法,包括:获取包含目标的SAR数据集并进行预处理;通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息;将所述核心特征信息输入第一级生成对抗网络,得到低分辨率图像;将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络,得到高分辨率图像,对SAR数据集进行扩增。通过实施本发明的上述方案,两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用,可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征,降低单级网络的学习难度,同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号:CN116434065B
公开(公告)日:2023-12-19
申请号:CN202310423497.7
申请日:2023-04-19
Applicant: 北京卫星信息工程研究所
Abstract: 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。
-
公开(公告)号:CN116524358A
公开(公告)日:2023-08-01
申请号:CN202310460249.X
申请日:2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/094
Abstract: 本发明涉及一种用于目标识别的SAR数据集扩增方法,包括:获取包含目标的SAR数据集并进行预处理;通过核心特征提取模块和散射特征提取模块分别提取目标的核心特征信息和散射特征信息;将所述核心特征信息输入第一级生成对抗网络,得到低分辨率图像;将所述低分辨率图像和所述散射特征信息输入第二级生成对抗网络,得到高分辨率图像,对SAR数据集进行扩增。通过实施本发明的上述方案,两级生成对抗网络、核心特征提取模块和散射特征提取模块的结合使用,可以使两级生成对抗网络分级学习图像中目标的粗略核心特征和精细散射特征,降低单级网络的学习难度,同时可以扩增获得质量高、细节更为真实的SAR目标图像切片。
-
公开(公告)号:CN116434065A
公开(公告)日:2023-07-14
申请号:CN202310423497.7
申请日:2023-04-19
Applicant: 北京卫星信息工程研究所
Abstract: 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。
-
公开(公告)号:CN115019181B
公开(公告)日:2023-02-07
申请号:CN202210900309.0
申请日:2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/82
Abstract: 本发明涉及一种遥感图像旋转目标检测方法、电子设备及存储介质,在训练中,对给定的目标位置标签,先利用椭圆分布采样方式,获取丰富的样本点;利用自适应前景采样策略,从高层特征图到低层特征图依次获取高质量的前景样本点,与网络预测的前景目标一起输入到损失函数,从而学到更准确的目标特征表示方法,基于标签中目标真值坐标,通过调整椭圆长边与短边的长度,自适应地在特征图上进行采样,避免了小尺寸目标在特征金字塔中难以获取采样点和大尺寸获取过多冗余采样点的问题,通过自适应的方法提升了采样精度和泛化性,对高分辨率遥感图像旋转框目标检测具有重要意义。
-
-
-
-
-
-
-
-
-