-
公开(公告)号：CN116524362A
公开(公告)日：2023-08-01
申请号：CN202310551648.7
申请日：2023-05-16
Applicant: 大连海事大学
IPC: G06V20/10 , G06V20/70 , G06V10/28 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于时空注意力增强的遥感图像变化检测方法，包括：将通过遥感图像组获取训练集输入至孪生网络中，得到特征提取后的特征图；其中，进行特征提取的特征包括边缘特征、线特征、形状特征、纹理特征、场景特征和语义特征；将特征提取后的特征图输入至时空信息增强模块，获取时空信息增强特征图；根据时空信息增强特征图获取变化二值图；并对所述孪生网络、时空信息增强模块和解码模块进行训练；获取最终的变化二值图，以对遥感图像的变化进行检测。本发明在不增加模型参数的情况下提高模型的准确率，充分捕捉输入数据中的局部特征，在细小变化目标的检测以及变化物体边缘的识别方面具有明显的效果，能够明显提高模型的性能和准确率。
-
公开(公告)号：CN116337240A
公开(公告)日：2023-06-27
申请号：CN202310327004.X
申请日：2023-03-29
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G01J5/48 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明属于图像处理技术领域，涉及一种基于图神经网络的热红外高光谱数据波段选择方法。该方法通过构建图神经网络模型，生成波段权重矩阵，使用激活函数过滤掉权重较小的波段，将过滤后的权重矩阵与波段矩阵相乘然后使用多层感知机进行回归计算，以回归值与参考温度值的均方根误差为损失值，利用反向传播算法更新图神经网络模型的参数直至模型收敛，通过更新后的图神经网络模型实现对高光谱数据实现高效波段选择，从而显著提高高光谱数据的回归准确率和效率。
-
公开(公告)号：CN115908180A
公开(公告)日：2023-04-04
申请号：CN202211449281.X
申请日：2022-11-18
Applicant: 大连海事大学
Abstract: 本发明公开了一种耦合深度先验和低秩张量分解的高光谱遥感影像去噪方法，包括：采用深度去噪先验子网络一优化初始的噪声高光谱影像；采用低秩张量对优化后的高光谱影像进行分解生成光谱正交基；通过深度去噪先验子网络二估计空间缩减因子；基于光谱正交基和空间缩减因子利用张量塔克分解方法获取高光谱影像去噪结果。本方法考虑高光谱影像空间和光谱邻域信息，耦合深度学习网络和低秩张量分解，对高光谱影像中的噪声进行去除，提升高光谱影像的数据质量，具有重要的实际意义。
-
公开(公告)号：CN115565074A
公开(公告)日：2023-01-03
申请号：CN202211074226.7
申请日：2022-09-02
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于正交子空间投影定理的高光谱图像波段选择方法，包括如下步骤：获取高光谱图像的空间信息和光谱信息，将空间信息和光谱信息转化为二维图像数据矩阵；利用二维图像数据矩阵基于正交投影定理定义高光谱图像的波段优先级，设计高光谱波段评价准则；根据波段评价准则对高光谱波段进行排序；根据不同的搜索策略设计基于正向搜索的波段选择算法和基于反向搜索的波段选择算法，对排序结果进行搜索得到波段组合的最优解，将得到的最优解作为高光谱图像波段选择的结果。
-
公开(公告)号：CN110516754B
公开(公告)日：2022-11-01
申请号：CN201910817383.4
申请日：2019-08-30
Applicant: 大连海事大学
IPC: G06V10/762 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于多尺度超像元分割的高光谱图像分类方法，包括：设置多尺度处理框架模型、采用简单线性迭代聚类算法对超像元进行分割获得超像元分割图像集合；将原始图像与超像元分割图像集合进行光谱‑空间特征融合获得多组融合图像；采用支持向量机对每组融合图像进行分类得到分类图像集合；采用主投票法对分类图像集合的分类结果进行决策融合得到最终分类结果。该方法作为一种融合光谱‑空间信息的分类模型，可以有效地解决因单一分割尺度所导致的类别精度分布不均等问题，在高光谱图像地表精细分类等方面具有重要的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN110033039B
公开(公告)日：2022-10-11
申请号：CN201910286661.8
申请日：2019-04-10
Applicant: 大连海事大学
IPC: G06V10/764 , G06V10/26 , G06V10/74 , G06V10/80 , G06V20/10
Abstract: 本发明公开了一种基于目标约束检测的高光谱实时分类方法，本次发明将实时扫描到的像元作为分类数据，利用目标约束检测原理实现实时的高光谱多类别数据分类，其中分类器通过自适应自相关矩阵对背景进行实时抑制，并将检测到的丰度信息融合进分类数据，从而逐步提高分类精度。采用本发明方法完成的高光谱实时分类结果比全部像元进行背景抑制的分类结果效果更好，速度更快。
-
公开(公告)号：CN113762389A
公开(公告)日：2021-12-07
申请号：CN202111050504.0
申请日：2021-09-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于动态诊断的高光谱影像小样本分类方法，包括以下步骤：建立基于元学习的分类任务；构建特征提取网络和双分支边推导网络；利用建立的更新原则训练进行分类模型的训练；构建动态诊断策略为待分类样本分配标签。本发明使用少量的高光谱影像样本进行分类模型的训练，并利用动态诊断判别提升测试集的分类精度，采用双分支深度神经网络搭建特征提取网络用于提取特征及边推导网络用于空间相似性和光谱相似性度量，测试时构建动态诊断器，筛选出样本当前任务中符合高类内相似性和高类间差异性且光谱分支网络和空间分支网络的分类结果保持一致性的样本，进而提升分类性能。
-
公开(公告)号：CN113673556A
公开(公告)日：2021-11-19
申请号：CN202110778881.X
申请日：2021-07-09
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于多尺度密集卷积网络的高光谱图像分类方法，包括：在训练阶段，将包含训练样本的整张高光谱图像输入至多尺度密集卷积网络模型中对该模型进行训练，从而输出整张图像所有像素的预测标签；通过标记训练样本的位置来选择相应的像素，在所选像素和预测像素之间计算损失，更新网络模型参数；在测试阶段，采用多尺度密集卷积网络模型对整张高光谱图像进行分类获得分类结果。首先使用基于图像的高光谱图像分类框架提高了模型的计算效率，充分利用了图像中的邻域细节信息，避免冗余信息对模型产生的误差和干扰。最后多尺度密集卷积网络的引入完成了对高光谱图像的分类。
-
公开(公告)号：CN113379696A
公开(公告)日：2021-09-10
申请号：CN202110624715.4
申请日：2021-06-04
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于迁移学习张量分解的高光谱异常检测方法，具体步骤包括：设计具有连续卷积层的卷积神经网络模型，通过迁移训练有标签的高光谱数据生成同类和不同类别的像素对，采用反向传播算法使网络参数不断迭代更新直至收敛；采用塔克分解将完成训练的模型进行卷积层分解，卷积运算将H×W×S大小的输入数据X映射到H'×W'×T大小的输出数据Y，读取待检测数据，将待检测像素与其周围的16个像素形成像素对，将平均相似度得分作为判断的依据，如果平均相似度得分大于设定阈值则视为异常目标，否则为背景。
-
公开(公告)号：CN113191287A
公开(公告)日：2021-07-30
申请号：CN202110502069.4
申请日：2021-05-08
Applicant: 大连海事大学
Abstract: 本发明公开了一种面向分类的高光谱图像波段选择方法，包括：求出高光谱图像每一个波段的类间离散度矩阵与类内离散度矩阵比值的迹，将其进行降序排列；采用灰狼算法将线性递减收敛因子改进为自适应非线性递减收敛因子；读取前一半的高光谱图像波段序列，进行随机排列，将其作为改进的灰狼算法的初始种群；将每个种群的类间离散度矩阵与类内离散度矩阵比值的迹作为改进灰狼算法的目标函数，搜索目标函数的最大值，其对应的个体就是所选的波段组合。该方法可有效选择出适用于分类的波段子集，考虑到基本的灰狼算法收敛速度慢，容易陷入局部极值，将类可分性准则与灰狼算法相结合，同时改善收敛因子，提高了灰狼算法的搜索性能。
-
-
-
-
-
-
-
-
-
Search Results
117
records
(took 0.025 seconds)
