-
公开(公告)号:CN111861918B
公开(公告)日:2023-09-15
申请号:CN202010677040.5
申请日:2020-07-14
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种基于SAR图像的海上溢油检测方法,将待检测SAR图像复制为两份,一份通过滤波处理后直接进行最大熵阈值分割,可以比较容易检测到大面积的溢油;另一份通过滤波处理后,先进行一次对比度增强处理,再进行最大熵阈值分割,可以比较容易检测出细节,避免漏检;之后将二者的处理结果进行融合,得到最终的识别结果图像,以此可以减少虚警,提高准确率;且本方案计算简单、运算时间短,可在在轨平台上进行实时处理。
-
公开(公告)号:CN116486142A
公开(公告)日:2023-07-25
申请号:CN202310293181.0
申请日:2023-03-24
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/80 , G06V20/10 , G06V10/82 , G06V10/77
Abstract: 本发明提供了一种基于网络架构搜索的多模态图像土地覆盖类型分类的方法,包括S1、利用特征提取网络对输入的成对光、SAR遥感图像进行特征提取;S2、构建基于SMBO算法的多模态特征融合架构搜索空间,搜索最佳的融合策略;S3、根据所述融合策略对光、SAR特征进行融合,得到土地覆盖类型分类结果。本发明提出了双输入的U型特征提取网络,使网络可以获得更充分的信息用于分类,并考虑到传统人工设计的深度学习特征融合模块难度大且缺乏可解释性,创建了基于SMBO的多模态特征融合架构搜索方法探求不同模态特征间的最佳组合方式,提高光、SAR图像特征融合效率。
-
公开(公告)号:CN115830449A
公开(公告)日:2023-03-21
申请号:CN202211530957.8
申请日:2022-12-01
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种显式轮廓引导和空间变化上下文增强的遥感目标检测方法,通过特征提取网络,得到输入图像的多尺度目标特征图,通过空间变化上下文增强算法将最深层特征图的空间位置信息编码到全局上下文中,得到空间变化上下文卷积核,并结合预设空洞率,得到多尺度上下文感知空间变化加权因子,加权得到空间感知上下文增强目标特征图;通过特征融合网络和轮廓引导特征提取算法,分别得到多尺度目标融合特征图和轮廓感知特征图;结合轮廓引导特征融合算法和多尺度双重注意力机制,得到显式轮廓引导目标检测特征图,并输入到目标框检测头中,得到目标检测结果。本发明能够提升复杂背景下多类目标的检测性能和定位精度。
-
公开(公告)号:CN115272787A
公开(公告)日:2022-11-01
申请号:CN202210779801.7
申请日:2022-07-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/774 , G06V10/74 , G06V10/82 , G06T3/00 , G06N3/08
Abstract: 本发明提供一种基于ViT‑Pix2Pix的光学图像翻译方法,包括:获取待测SAR图像;构建初始目标翻译网络模型,并通过成对的SAR图像和光学图像对初始目标翻译网络模型进行参数优化,获取目标翻译网络模型,目标翻译网络模型为Vision Transformer与Pix2Pix相结合的模型,包括有生成器和判别器,其中,生成器用于将SAR图像翻译为伪光学图像,判别器用于判断输入光学图像是否为SAR图像匹配的真光学图像,生成器和判别器以对抗的形式完成神经网络训练优化;将待测SAR图像输入目标翻译网络模型,获取目标光学图像。本发明能够提高判别器的性能,并确保网络模型训练的稳定性,提高了生成图像的质量。
-
公开(公告)号:CN115272748A
公开(公告)日:2022-11-01
申请号:CN202210780466.2
申请日:2022-07-04
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06T7/73 , G01S13/90
Abstract: 本发明提供一种基于知识辅助的SAR图像飞机检测分类方法,包括:获取待测大场景的SAR图像,提取机场的感兴趣区域,根据感兴趣区域获取多个切片,并输入基于ConvNeXt‑T网络构造的目标特征提取网络,获取感兴趣区域的图像特征;通过MLP网络构造多模态领域知识特征提取模型,并结合领域知识,得到多模态领域知识特征;通过自适应投影将多模态领域知识特征动态更新到图像特征中,并进行自注意力增强,获取目标特征;设计无锚框检测头,通过无锚框检测头对目标特征中的飞机目标进行位置回归和目标分类,获取SAR图像的目标检测分类结果。本发明能够有效减轻相似飞机目标分类难度,提升飞机目标检测分类的准确度。
-
公开(公告)号:CN111680667B
公开(公告)日:2022-06-24
申请号:CN202010666889.2
申请日:2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法,该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中,整合不同范围的上下文信息可以提高目标分类的准确性,在一定程度上避免由目标类间差异小、类内差异大带来的错误分类,另一方面,在网络中引入了多维度的通道注意力机制,对各个通道间的关系进行了更为充分的建模,增强了网络的表现力,从而能够改善网络分割性能,提升地物分割准确度。
-
公开(公告)号:CN114419490A
公开(公告)日:2022-04-29
申请号:CN202111627620.4
申请日:2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06V20/40 , G06K9/62 , G06V10/764
Abstract: 本发明提供一种基于注意力金字塔的SAR船只目标检测方法,将SAR图像输入到特征提取网络得到初步的特征提取结果;对初步提取到的特征输入到基于通道注意力和空间注意力的特征金字塔网络,得到更加精细化的特征提取结果。相较于传统的SAR图像船只检测方法,本方案通过先对SAR图像完成初步的特征提取,然后利用通道注意力和空间注意力特征金字塔网络对提取到的初步特征进行精修,提高了船只的检测和识别精度;尤其在针对复杂背景下的船只检测任务,本方案提出的基于通道注意力和空间注意力的特征金子塔网络可以使模型具有更高的检测和识别效果。
-
公开(公告)号:CN114418962A
公开(公告)日:2022-04-29
申请号:CN202111628791.9
申请日:2021-12-28
Applicant: 北京理工大学 , 北京理工大学重庆创新中心
IPC: G06T7/00
Abstract: 本发明提供的一种基于注意力增强网络的SAR图像飞机检测方法,通过对大场景SAR图像进行切割得到小场景SAR图像并进行数据增强预处理;将小场景SAR图像输入改进的目标检测网络对飞机目标进行检测;根据检测得到的飞机目标送入图像后处理网络对虚警目标进行滤除,得到最终飞机目标检测结果。相较于传统的SAR图像飞机检测算法,本方案通过预处理中切割与数据增强操作,降低计算复杂度,减少计算内存要求与增加样本多样性,提高了飞机目标检测精度。
-
公开(公告)号:CN113033804A
公开(公告)日:2021-06-25
申请号:CN202110333012.6
申请日:2021-03-29
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供一种面向遥感图像的卷积神经网络压缩方法,与传统的卷积神经网络压缩方法对网络参数进行裁剪压缩后会导致网络结构的不规则化等问题相比,本方法利用多层次参数裁剪和参数位置约束,在提高参数压缩比例的同时,提高了网络结构的规则性,有利于实际应用时的计算加速;同时利用多数据源的信息融合,提高了压缩后模型的精度。
-
公开(公告)号:CN111680667A
公开(公告)日:2020-09-18
申请号:CN202010666889.2
申请日:2020-07-13
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度神经网络的遥感图像地物分类方法,该方法通过将局部上下文信息和远距离上下文信息整合在特征图当中,整合不同范围的上下文信息可以提高目标分类的准确性,在一定程度上避免由目标类间差异小、类内差异大带来的错误分类,另一方面,在网络中引入了多维度的通道注意力机制,对各个通道间的关系进行了更为充分的建模,增强了网络的表现力,从而能够改善网络分割性能,提升地物分割准确度。
-
-
-
-
-
-
-
-
-