-
公开(公告)号：CN118015464A
公开(公告)日：2024-05-10
申请号：CN202410164684.2
申请日：2024-02-05
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G01N21/84 , G06V10/762 , G06V10/82 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的面向检测任务的高光谱谱段优选方法，所述方法如下：加载高光谱图像，将高光谱图像高度宽度两个维度扁平化为一维张量，对处理后的高光谱图像进行二进制染色体编码；利用光谱信杂比构建适应度函数模型，通过聚类算法将相似的背景归类为同一簇，对每一类背景设置一个权重，针对不同检测目标，采取两种策略加权抑制背景，进一步提高光谱信杂比估计背景精度；利用遗传算法的选择操作、交叉操作、变异操作随机全局搜索优化，计算个体适应度，搜索适应度最小的个体，得出谱段优选结果。本发明使用两组高光谱数据集对算法测试验证，证明了该方法可以有效地筛选出与全谱段探测能力相当或更优秀的谱段子集。
-
公开(公告)号：CN118015460A
公开(公告)日：2024-05-10
申请号：CN202410151424.1
申请日：2024-02-02
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于跨尺度引导和增强的遥感图像变化检测方法，所述方法包括如下步骤：使用权重共享的双编码器提取双时相遥感图像中的多层次特征，并利用高阶特征交互模块提高对多尺度特征的感知和表征能力；改进解码器和编码器之间的跳跃连接操作，提出跨尺度引导增强模块来增强感兴趣变化的特征，并过滤无关的背景干扰；使用双时相特征对齐融合模块对多层次解码器重建的变化语义信息进行融合，提取感兴趣的变化地物，避免双时相特征匹配误差产生的伪变化。该方法利用低层空间信息引导和约束深度语义信息的重建过程，增强感兴趣变化特征并过滤无关背景干扰，并兼顾多尺度地物特性和双时相特征之间的配准误差问题，从而提高变化检测的准确性。
-
公开(公告)号：CN117745777A
公开(公告)日：2024-03-22
申请号：CN202410019506.0
申请日：2024-01-05
Applicant: 哈尔滨工业大学
IPC: G06T7/33 , G06V10/764 , G06V10/762 , G06V20/13
Abstract: 一种基于时空配准的遥感检测地表密集异常元去除方法，所述方法包括如下步骤：步骤1：提取卫星姿态轨道数据，拟合相机成像模型，构建像面坐标到地心地固坐标系的配准模型；步骤2：基于地表异常元能量、形态等特性，构建杂波点特征向量；步骤3：基于步骤1得到的配准数据，以步骤2构建的杂波特征作为先验信息，对检测得到的所有检出结果进行匹配筛选，对地表异常元进行标定和去除。该方法可以实现对地表密集异常元在不同场景、不同分辨率、不同轨道高度下的实时标定及更新，获取更准确的有利于后续目标检测跟踪等应用的目标特性。
-
公开(公告)号：CN116994137A
公开(公告)日：2023-11-03
申请号：CN202310979011.8
申请日：2023-08-04
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度形变建模和区域精细提取的目标检测方法，属于目标检测与识别技术领域。方法如下：设计多尺度特征动态融合模块，获得多尺度形变目标的候选区域提取结果；将候选区域提取结果分类，获得用最小边界矩形框标记的所有目标区域；提出定制化的结合二进制交叉熵、偏置损失和结构相似度的显著区域精细提取损失函数，实现复杂场景干扰下舰船目标的准确检测。本发明实现目标多尺度形变特征的增强学习，提高检测网络对目标与复杂背景的分辨能力，可实现在云层、光照阴影、港口设施等复杂场景下的舰船目标准确检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN106960436A
公开(公告)日：2017-07-18
申请号：CN201710165709.0
申请日：2017-03-20
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032 , G06T2207/30168
Abstract: 一种光学遥感图像处理性能评估方法，属于光学遥感图像处理与评价技术领域。所述方法步骤如下：建立图像灰度、纹理和边缘信息的图像客观评价指标体系，评估处理算法对细节保持和清晰度增强的处理性能；结合基于刀口像和自然图像的调制传递函数MTF估计方法，利用MTF(调制传递函数)曲线的积分面积评估处理算法对各频带MTF的整体提升性能；提出图像信噪比SNR的评价指标与方法，评估处理算法对细节保持增强和噪声抑制的综合处理性能；提出振铃和混叠效应的评价方法，评估处理算法对伪像抑制的处理性能。本发明优点是可适用于全面客观的评价图像复原算法的性能优劣，指导处理算法参数优化和模型改进。
-
Patent Agency Ranking
公开(公告)号：CN116777953B
公开(公告)日：2025-04-15
申请号：CN202310650409.7
申请日：2023-06-03
Applicant: 哈尔滨工业大学
IPC: G06T7/246
Abstract: 本发明公开了一种基于多尺度特征聚合增强的遥感图像目标跟踪方法，所述方法包括如下步骤：步骤1：使用基于编码‑解码结构的特征提取网络输出高分辨率特征图，特征图下采样级为原始图像的4倍；步骤2：使用多尺度特征聚合模块规整并聚合步骤1中高分辨率特征图中的多尺度特征，输出规整后特征图；步骤3：对于步骤2规整后的特征图，通过跨域注意力增强模块从三路分支捕获空间、通道维度之间的依赖关系，实现对特征图的增强；步骤4：基于增强后的特征图预测目标位置、尺寸、偏移等信息，通过匹配算法实现目标轨迹输出。该方法可以规整增强不同尺度下的有效特征，减少虚警源干扰，实现复杂场景下的目标跟踪。
-
公开(公告)号：CN116434074B
公开(公告)日：2025-04-08
申请号：CN202310019335.7
申请日：2023-01-06
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于邻支互补显著性和多先验稀疏表征的目标识别方法，所述方法包括如下步骤：步骤1：提出邻支互补显著性提取网络，挖掘图像深层次、语义一致性信息，提取多尺度目标的候选显著区域；步骤2：通过结合目标多先验信息的稀疏表征分类器，抑制显著性提取网络可能产生的虚警，实现复杂场景下舰船目标的准确识别。该方法通过深度显著性特征提取网络挖掘图像中舰船目标的显著区域特征，与图像数据的多先验稀疏表征分类方法结合，不但可以充分发挥深度网络多层级提取图像特征的优势，而且对物体部分遮挡复杂海杂波、港口设施、光照阴影等复杂环境干扰具有鲁棒性的特点，可为港口救援、海上交通维护等应用提供支持。
-
公开(公告)号：CN117761713B
公开(公告)日：2025-02-25
申请号：CN202311795749.5
申请日：2023-12-25
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种目标探测谱段的筛选方法、装置、设备和存储介质，其涉及目标检测技术领域。包括：获取目标的背景起伏尺度，对背景起伏尺度进行杂波量化并建立杂波定量化表征模型；通过杂波定量化表征模型计算目标相对于不同背景的信杂比投影图，选取包括峰值信杂比谱段作为初选探测谱段；将杂波定量化表征模型与天基探测链路进行结合得到目标可检测性表征模型；通过目标可检测性表征模型在初选探测谱段中筛选得到优选探测谱段。本发明考虑了天基探测链路及其各环节多尺度耦合效应，能够解决天基目标可检测性能的多尺度耦合匹配所存在的问题,在保证谱段优选性能的前提下，极大地提升了优选探测谱段选择的效率。
-
公开(公告)号：CN119478447A
公开(公告)日：2025-02-18
申请号：CN202411508586.2
申请日：2024-10-28
Applicant: 哈尔滨工业大学
IPC: G06V10/46 , G06V10/44 , G06V10/52 , G06V10/62 , G06V10/80 , G06V10/26 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种局部运动感知的红外小目标特征增强方法，所述方法包括如下步骤：步骤一：加载红外序列图像，选择连续T帧图像作为网络输入，利用主干网络提取图像特征；步骤二：利用粗略运动估计模块CME提取粗略的目标帧间运动信息，生成前向光流和后向光流；步骤三：利用能量增强模块EnE结合光流和可变形卷积对齐多帧序列，并采用卷积核大小为1×1的3D卷积增强目标特征；步骤四：利用引导光流学习的特征增强任务头输出增强后的红外图像，通过目标分割任务头将多尺度特征融合，输出目标分割结果，进而引导特征增强网络的学习。该方法可以有效地适应目标暗弱以及背景运动的场景，输出高质量的红外多帧运动小目标的增强图像。
-
公开(公告)号：CN118015464B
公开(公告)日：2025-01-28
申请号：CN202410164684.2
申请日：2024-02-05
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G01N21/84 , G06V10/762 , G06V10/82 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的面向检测任务的高光谱谱段优选方法，所述方法如下：加载高光谱图像，将高光谱图像高度宽度两个维度扁平化为一维张量，对处理后的高光谱图像进行二进制染色体编码；利用光谱信杂比构建适应度函数模型，通过聚类算法将相似的背景归类为同一簇，对每一类背景设置一个权重，针对不同检测目标，采取两种策略加权抑制背景，进一步提高光谱信杂比估计背景精度；利用遗传算法的选择操作、交叉操作、变异操作随机全局搜索优化，计算个体适应度，搜索适应度最小的个体，得出谱段优选结果。本发明使用两组高光谱数据集对算法测试验证，证明了该方法可以有效地筛选出与全谱段探测能力相当或更优秀的谱段子集。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.035 seconds)
