公开(公告)号：CN116757938A

公开(公告)日：2023-09-15

申请号：CN202310420311.2

申请日：2023-04-19

Applicant: 厦门理工学院

Inventor： 满旺 ,  王超 ,  杜晓凤

IPC: G06T5/00 ,  G06T5/50 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及遥感影像技术领域，提供一种基于对比学习的遥感图像全色锐化方法，包括：获取全色图像集、多光谱图像集；建立全色锐化模型；在生成对抗网络引入对比损失函数进行对比学习，以得到全色锐化模型；对全色锐化模型进行验证；将待全色锐化的多光谱图像和全色图像输入到全色锐化模型中进行全色锐化，以得到高分辨率多光谱图像。本发明提供的一种基于对比学习的遥感图像全色锐化方法，将对比学习的方法运用到遥感图像的全色锐化领域，利用了对比学习使用数据之间的相关性和差异性来学习事物的本质，将全色图像和低分辨率光谱图像在生成器网络中使用对比损失函数进行对比学习融合，提高了融合图像的空间分辨率。

公开(公告)号：CN116206213A

公开(公告)日：2023-06-02

申请号：CN202310146339.1

申请日：2023-02-21

Applicant: 厦门理工学院

Inventor： 满旺 ,  谭占聪 ,  杜晓凤 ,  王桂松 ,  王超

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0895 ,  G06N3/094

Abstract: 本发明涉及遥感影像处理技术领域，提供一种非配对遥感图像去薄云的方法，包括下列步骤：将含云图像x输入到生成器Gc中，以输出生成图像fake；在输出生成图像fake的过程中加入对比学习损失Lcl和内容损失Lc来保持含云图像x和生成图像fake的内容一致；将生成图像fake与无云图像y输入到鉴别器Dc中，来判别真假，其中y不是x的真实值；在经过迭代训练之后得到训练好的生成器Gc，以使得经过训练好的生成器Gc所生成的生成图像fake实现去薄云。通过将对比学习和内容损失加入到Gan框架，来维持生成图像和有云图像的内容一致性，并且针对生成器引入了频率通道注意块，来进一步提高生成图像质量，进而实现高效的非配对遥感图像去薄云处理。

公开(公告)号：CN112749621A

公开(公告)日：2021-05-04

申请号：CN202011342358.4

申请日：2020-11-25

Applicant: 厦门理工学院

Inventor： 傅莘莘 ,  何一凡 ,  杜晓凤 ,  满旺

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于深度卷积神经网络的遥感图像云层检测方法，首先需要获得卫星图像的多个波段图，其中必要的是卫星遥感图像中的自然真彩色图像(RGB)、近光红外波段(Nir)以及云层掩模图作为训练集和测试集对深度卷积神经网络模型进行训练和测试，采用测试通过后的深度卷积神经网络模型实现遥感图像云层检测。这种基于深度学习对云层进行检测的方法拥有检测速度快，精准度高并且可以快速迁移适应不同卫星型号的特点。