一种卫星图像分割方法
    22.
    发明授权

    公开(公告)号:CN111798460B

    公开(公告)日:2023-08-01

    申请号:CN202010554001.6

    申请日:2020-06-17

    Abstract: 本发明涉及一种卫星图像分割方法,属于图像信息处理技术领域。该方法包括如下步骤:步骤1)将原始的卫星图像裁剪成块,然后输入到深度卷积网络中转换成卷积特征,来捕获基于空间信息的上下文;步骤2)将网络得到的特征输入到提出的特征解耦模块中,利用特征解耦模块将类别之间的共生关系编码到卷积特征中去;步骤3)将经过特征解耦模块得到的三个解耦特征经过卷积和上采样操作得到对应的分割结果;步骤4)将步骤3)得到的三个分割结果经过加权求和得到最终的分割结果。本发明将不同类别物体之间的共生关系编码到卷积特征中去,这样能够更好地处理场景中的孤立物体,进而对卫星图像进行分割,具有较好的分割性能和分割准确率。

    一种基于纹理恢复对抗网络的临近降水预报方法

    公开(公告)号:CN116430481A

    公开(公告)日:2023-07-14

    申请号:CN202310414487.7

    申请日:2023-04-17

    Abstract: 本发明公开一种基于纹理恢复对抗网络的临近降水预报方法,其包括如下步骤:获取雷达回波序列数据集并进行预处理,得到输入序列和预测序列;将输入序列循环输入到未来序列生成器中,得到生成的预测序列;将真实预测序列和生成的预测序列交替输入到时间鉴别器中进行处理,得到损失值;重复得到生成的预测序列和得到损失值的过程,对未来序列生成器和时间鉴别器进行迭代训练,直到训练损失不再下降;使用训练完毕的未来序列生成器进行降雨预测,生成未来雷达回波序列,完成临近降水预报。本发明提高了临近降水预报精度和可靠性的能力;提高了处理雷达回波序列的分辨率;提高了预测帧的鲁棒性和时间一致性,产生了更详细和逼真的纹理。

    一种高分辨率遥感影像渐进式分割方法

    公开(公告)号:CN114998363B

    公开(公告)日:2022-10-11

    申请号:CN202210924746.6

    申请日:2022-08-03

    Abstract: 本发明公开了图像信息处理技术领域的一种高分辨率遥感影像渐进式分割方法,包括以下步骤:首先构建三个负责处理不同尺度对象的级联子网;然后以小尺度、大尺度和其他尺度逐步地捕获输入影像的空间上下文信息;再得到三个不同尺度的分割结果;接着得到三个不同尺度的位置贡献图;最后将得到的不同尺度分割结果与得到的位置贡献图进行加权求和推导最终的分割结果。本发明高分辨率遥感影像渐进式分割方法使用引入尺度关系的级联子网以小尺度、大尺度和其他尺度逐步地对目标进行分割,并且充分衡量不同子网对每个空间位置的重要性,这样能够更好地应对高分辨率遥感影像的尺度差异挑战,提高分割精确度。

    一种高分辨率遥感影像渐进式分割方法

    公开(公告)号:CN114998363A

    公开(公告)日:2022-09-02

    申请号:CN202210924746.6

    申请日:2022-08-03

    Abstract: 本发明公开了图像信息处理技术领域的一种高分辨率遥感影像渐进式分割方法,包括以下步骤:首先构建三个负责处理不同尺度对象的级联子网;然后以小尺度、大尺度和其他尺度逐步地捕获输入影像的空间上下文信息;再得到三个不同尺度的分割结果;接着得到三个不同尺度的位置贡献图;最后将得到的不同尺度分割结果与得到的位置贡献图进行加权求和推导最终的分割结果。本发明高分辨率遥感影像渐进式分割方法使用引入尺度关系的级联子网以小尺度、大尺度和其他尺度逐步地对目标进行分割,并且充分衡量不同子网对每个空间位置的重要性,这样能够更好地应对高分辨率遥感影像的尺度差异挑战,提高分割精确度。

    一种高效的动态图像分类方法

    公开(公告)号:CN113792822A

    公开(公告)日:2021-12-14

    申请号:CN202111352357.2

    申请日:2021-11-16

    Abstract: 本发明涉及图像信息处理技术领域,具体涉及一种高效的动态图像分类方法。在两种分类场景设置下,本发明方法的计算效率始终比多尺度密集网络、分辨率自适应网络、带中间分类器的残差网络、带中间分类器的密集网络、不同大小的残差网络集合、不同大小的密集网络集合、GoogleNet、宽残差网络的计算效率高;通过交叉融合模块和自适应蒸馏模块促进网络内不同分辨率特征之间的协作,使在低分辨率分支被视为“困难”的样本变得不再困难。此外,我们通过设置阈值使得本发明可以动态地停止推理,有效地提高了计算效率。

    一种基于空谱局部性低秩超图学习的高光谱图像分类方法

    公开(公告)号:CN105787516B

    公开(公告)日:2019-07-16

    申请号:CN201610134494.1

    申请日:2016-03-09

    Abstract: 本发明公开了一种基于空谱局部性低秩超图学习的高光谱图像分类方法,属于图像信息处理技术领域。本发明方法包括以下步骤:输入高光谱数据集,组成光谱特征矩阵X;设置相关参数,融入空谱局部性约束,构建空谱局部性约束的低秩表示模型;设置相关参数,使用交替方向乘子算法开始迭代求解;根据低秩表示模型中系数矩阵Z构建空谱局部性低秩超图;设置相关参数,建立半监督超图学习模型;设置相关参数,迭代求解半监督超图模型,输出光谱特征数据集X的分类结果矩阵F*。本发明设计了半监督超图学习算法应用于最后的高光谱图像分类。相对于其他较为先进的方法,本发明的分类效果更好,并且对噪声和图像退化的鲁棒性更高。

    一种遥感场景分类方法
    28.
    发明公开

    公开(公告)号:CN106991382A

    公开(公告)日:2017-07-28

    申请号:CN201710147637.7

    申请日:2017-03-13

    Abstract: 本发明公开了一种遥感场景分类方法,包括以下步骤:生成多尺度图像;提取多尺度深度特征;融合卷积特征;集结多尺度分类结果。本发明提出了一种自适应深度金字塔匹配(ADPM)模型,将多尺度图像送入到带有空间金字塔池化的卷积神经网络来提取深度特征,将所有卷积层中提取的深度特征融合后送入到SVM分类器得到分类结果,集结多尺度结果提供更多信息,以便于遥感场景分类。和空间关系金字塔(PSR)、局部探测器(Partlets)方法、半监督投影(SSEP)方法相比,在相同的实验条件下,本发明方法的遥感场景分类性能提高,分类结果更加准确。

    一种基于深度学习的温度廓线反演方法

    公开(公告)号:CN117951485A

    公开(公告)日:2024-04-30

    申请号:CN202410332386.X

    申请日:2024-03-22

    Inventor: 杭仁龙 曹善杰

    Abstract: 本发明公开了一种基于深度学习的温度廓线反演方法,包括:1、采集GIIRS长波通道亮温数据、探空观测数据和ERA5温度廓线数据,并调整数据在时空上的匹配;2、构建深度学习训练样本,并对深度学习训练样本中的数值进行归一化处理;3、构建温度廓线反演模型,设定损失函数,对温度廓线反演模型进行训练,得到训练完成的温度廓线反演模型。本发明结合静止卫星红外高光谱亮温资料高时空和垂直分辨率的特点利用先验得通道信息构建通道注意力机制引导反演模型特征提取,通过先验物理信息的嵌入引导模型的反演结果更加符合物理规律,采用深度残差网络深度挖掘红外高光谱亮温数据与大气温度廓线之间的非线性关系,提高反演温度廓线的精度。

Patent Agency Ranking