-
公开(公告)号：CN115546643A
公开(公告)日：2022-12-30
申请号：CN202211256595.8
申请日：2022-10-14
Applicant: 辽宁工程技术大学
IPC: G06V20/10 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于街景影像的杆状地物多分类提取方法，步骤为：构建分类体系；构建样本库；构建分类模型LPNet；利用迁移学习完成模型训练和杆状地物分类；完善杆状地物提取结果。本发明依据杆状地物在街景影像中呈现出的特征，针对杆状地物分割不足、误提取和不连续的问题，分别加入具有多级感受野的Multi‑scale Phased Controller(MPC)模块、具有自适应分类能力的Deformable‑Convolution(Def‑Conv)模块和具有拓扑重建能力的Lightweightspatial context(LSC)模块，能够准确快速获取杆状地物的类别信息和空间信息，在智慧城市建设和车辆自动导航中具有较大的应用价值。
-
公开(公告)号：CN114418000A
公开(公告)日：2022-04-29
申请号：CN202210064145.2
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06K9/62 , G06N3/04 , G06T5/40 , G06V20/10 , G06V10/774
Abstract: 本发明公开了一种基于自适应感知机的遥感影像智能解译方法及系统，涉及深度学习在遥感影像目标解译技术领域，其中方法包括：在遥感影像智能解译时，对其进行预处理；构建基于局部阈值的自适应感知机；确定阈值范围及感知机权重；根据自适应感知机与改进UNet模型确定解译网络结构；依据前述网络结构与改进UNet遥感智能解译模型，采用自训练迭代方式求取目标地物特征。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN110136159B
公开(公告)日：2023-03-31
申请号：CN201910355932.0
申请日：2019-04-29
Applicant: 辽宁工程技术大学
IPC: G06T7/13
Abstract: 本发明公开了一种面向高分辨率遥感影像的线段提取方法，步骤为：输入影像；基于Canny方法处理后的边缘图像，对不同情形下目标点进行细化处理；边缘链码线段提取；确定基准线段集和待融合线段集；以线段融合结果为处理基元，依据线段长度优先原则确定初始优化线段；建立线段优化模型。本发明精确实现边缘线段信息的拟合，解决由于白噪声及相位编组所引起的线段断裂问题；其次从不同方法的线段提取结果差异角度出发，基于不同线段提取结果优势互补的思想，提出线段融合方法；最后在融合的基础上分析遥感影像线段断裂规律，提出基于几何与纹理约束的线段优化算法，提高线段提取的质量和稳健性，有利于实现从遥感影像到线段结构的重要视觉符号描述。
-
公开(公告)号：CN115661222A
公开(公告)日：2023-01-31
申请号：CN202211266168.8
申请日：2022-10-17
Applicant: 辽宁工程技术大学
Abstract: 本发明提出了一种具有多维注意力机制的大支持窗立体匹配方法，该方法包含构建特征提取模块，该模块利用ResNet‑50的卷积部分提取左影像、右影像的特征，并利用通道注意力和空间注意力捕获通道依赖和空间上下文依赖，以生成左右影像的特征图；构建代价卷积模块，该模块将左右影像的特征图连接构成一个代价空间；构建空洞堆叠沙漏模块，用于正则化代价空间；构建视差回归模块，该模块利用Softmax函数从预测代价中计算像素的视差值。本发明利用多维注意力机制提取图像特征的通道信息和位置信息，以解决重复纹理区域特征趋同引起的同名点计算错误问题；利用3D空洞卷积提升弱纹理区域的信噪比，以提取更多的上下文差异性信息寻找同名点。
-
公开(公告)号：CN114819101A
公开(公告)日：2022-07-29
申请号：CN202210544191.2
申请日：2022-05-18
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于双空间注意力机制的高分辨率遥感影像道路提取方法，步骤为：数据集预处理；构建双空间注意力道路提取网络；训练网络；预测测试集。本发明对U‑Net网络结构进行改进，构建一种基础网络结构，为了减少编码器部分多次下采样所造成的空间信息损失，应用小卷积核能够对通道维信息进行汇总、减少计算量的优点，简化编码器部分，为了避免低层特征层中冗余信息的干扰，将原始的U‑Net网络设计成非对称的结构；本发明引入解耦Non‑local模块作为全局注意模块，用于捕捉推理道路目标所需的全局范围内的上下文信息，设计局部细化模块，通过对编码器部分获得的长距离上下文信息进行微调，使整个网络能够获得密集、全局和局部具有一致性的上下文信息。
-
Patent Agency Ranking
公开(公告)号：CN110136159A
公开(公告)日：2019-08-16
申请号：CN201910355932.0
申请日：2019-04-29
Applicant: 辽宁工程技术大学
IPC: G06T7/13
Abstract: 本发明公开了一种面向高分辨率遥感影像的线段提取方法，步骤为：输入影像；基于Canny方法处理后的边缘图像，对不同情形下目标点进行细化处理；边缘链码线段提取；确定基准线段集和待融合线段集；以线段融合结果为处理基元，依据线段长度优先原则确定初始优化线段；建立线段优化模型。本发明精确实现边缘线段信息的拟合，解决由于白噪声及相位编组所引起的线段断裂问题；其次从不同方法的线段提取结果差异角度出发，基于不同线段提取结果优势互补的思想，提出线段融合方法；最后在融合的基础上分析遥感影像线段断裂规律，提出基于几何与纹理约束的线段优化算法，提高线段提取的质量和稳健性，有利于实现从遥感影像到线段结构的重要视觉符号描述。
-
公开(公告)号：CN109448046A
公开(公告)日：2019-03-08
申请号：CN201811197932.4
申请日：2018-10-15
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于多描述子的半自动道路中心线快速提取方法，步骤为：输入影像中道路起止点坐标；对原始影像进行L0滤波；对原始影像进行线段提取；在滤波结果及线段提取结果的基础上，根据起止点坐标，建立多级线段方向直方图，以获得当前道路方向；建立扇形描述子；利用最小二乘法将所有得到的道路跟踪点进行拟合，进一步剔除错误提取的道路点，得到道路中心线。本发明有效减少了使用单一描述子进行道路提取过程中出现的错误提取的现象，只根据道路的起点及终点坐标信息进行跟踪，在跟踪过程中，根据具体的路面情况，自适应地确定道路方向及道路宽度信息，以达到提高算法的自动化程度及算法在复杂路况下的跟踪精度的目的。
-
公开(公告)号：CN105825169B
公开(公告)日：2019-02-15
申请号：CN201610136943.6
申请日：2016-03-10
Applicant: 辽宁工程技术大学
IPC: G06K9/00
Abstract: 一种基于道路影像的路面裂缝识别方法，包括：对分块影像进行二值化处理，形成初步分割的道路影像，划分成若干区域，过滤面积小于经验阈值的区域得到初步识别的道路影像；对各区域分别进行椭圆拟合，去除离心率小于给定阈值的椭圆区域；计算各椭圆区域的长轴与水平方向的夹角，确定椭圆主方向，将同一方向上的质心划为一类；对每一个分类分别以各质心为原点建立坐标系，计算各质心在该坐标系中与水平轴的夹角、该质心与其他质心间距离，将同一方向上间距小于设定距离阈值的质心划为一类，将各共线区域的最小包围矩形的对角线长度作为识别出的道路裂缝的长度。本方法不仅可以有效地识别裂缝，同时克服环境中多种因素的干扰，误识别率较低。
-
公开(公告)号：CN114418000B
公开(公告)日：2024-11-19
申请号：CN202210064145.2
申请日：2022-01-20
Applicant: 辽宁工程技术大学
IPC: G06V10/774 , G06V10/82 , G06N3/0464 , G06T5/40 , G06V20/10
Abstract: 本发明公开了一种基于自适应感知机的遥感影像智能解译方法及系统，涉及深度学习在遥感影像目标解译技术领域，其中方法包括：在遥感影像智能解译时，对其进行预处理；构建基于局部阈值的自适应感知机；确定阈值范围及感知机权重；根据自适应感知机与改进UNet模型确定解译网络结构；依据前述网络结构与改进UNet遥感智能解译模型，采用自训练迭代方式求取目标地物特征。本发明解决了现有UNet模型结构单一、参数复杂、解译时间长的问题，增加了不同阈值条件下的UNet模型适用范围、解译速度和灵活程度。
-
公开(公告)号：CN114819101B
公开(公告)日：2024-10-29
申请号：CN202210544191.2
申请日：2022-05-18
Applicant: 辽宁工程技术大学
IPC: G06V20/58 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/26 , G06V10/82
Abstract: 本发明公开了一种基于双空间注意力机制的高分辨率遥感影像道路提取方法，步骤为：数据集预处理；构建双空间注意力道路提取网络；训练网络；预测测试集。本发明对U‑Net网络结构进行改进，构建一种基础网络结构，为了减少编码器部分多次下采样所造成的空间信息损失，应用小卷积核能够对通道维信息进行汇总、减少计算量的优点，简化编码器部分，为了避免低层特征层中冗余信息的干扰，将原始的U‑Net网络设计成非对称的结构；本发明引入解耦Non‑local模块作为全局注意模块，用于捕捉推理道路目标所需的全局范围内的上下文信息，设计局部细化模块，通过对编码器部分获得的长距离上下文信息进行微调，使整个网络能够获得密集、全局和局部具有一致性的上下文信息。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.022 seconds)
