-
公开(公告)号：CN115019182A
公开(公告)日：2022-09-06
申请号：CN202210900356.5
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种遥感图像目标细粒度识别方法、系统、设备及存储介质，获取至少一幅图像；利用卷积神经网络提取所述图像的多尺度特征；利用Transformer对所述多尺度特征图进行编码；利用特征融合金字塔网络对所述的编码后的多尺度特征图进行特征融合；利用融合后的特征图，采用旋转框检测头提取目标；利用旋转变换对提取的目标的特征进行对齐；利用Transformer对旋转变换后的目标特征图进行细粒度分类，得到目标细粒度识别结果。本发明提升了检测方法对目标局部特征和全局特征的整体提取能力，提高了目标细粒度识别精度，可应用于高分辨率遥感图像中的船只、飞机等目标细粒度识别。
-
公开(公告)号：CN114359722A
公开(公告)日：2022-04-15
申请号：CN202111601077.0
申请日：2021-12-24
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种特殊地貌分布范围识别方法、装置及设备，方法包括以下步骤：a、获取存在特殊地貌的区域的光学遥感影像和高程数据，并进行预处理；b、基于高程数据生成坡度数据，对光学遥感影像、高程数据和坡度数据进行融合，得到训练样本；c、对训练样本进行标注以获得标签文件，利用训练样本和标签文件训练识别模型；d、获取待识别区域的光学遥感影像和高程数据，并进行融合裁剪后得到待识别数据；e、利用识别模型对待识别数据进行识别，得到待识别区域的特殊地貌分布范围。本发明可以实现锥状喀斯特地貌等特殊景观的空间分布范围的自动识别和精确提取。
-
公开(公告)号：CN119741467A
公开(公告)日：2025-04-01
申请号：CN202411637460.5
申请日：2024-11-15
Applicant: 北京卫星信息工程研究所
IPC: G06V10/25 , G01S13/90 , G06V20/13 , G06V10/44 , G06V10/46 , G06V10/80 , G06V10/762 , G06V10/764 , G06V10/766 , G06V10/84 , G06N3/0464 , G06N3/045
Abstract: 本发明涉及一种基于光学和SAR遥感数据的飞机目标检测识别方法与装置，所述方法包括以下步骤：S1、选用标注完整的SAR图像形成数据集A用来训练第一目标检测模型；S2、选用与数据集A处于同区域同时刻的光学图像形成数据集B用来训练第二目标检测模型；S3、获取同区域同时刻的SAR、光学图像，并分别输入第一、第二目标检测模型检测，并根据检测目标的姿态角分别对第一、第二目标检测模型的检测结果进行旋转变换，获得第一、第二检测结果；S4、通过基于注意力的决策融合检测算法对上述第一、第二检测结果进行决策融合。本发明采用深度学习图像处理方法，通过光学、SAR多传感器数据融合检测技术，有效提高了目标识别的准确性。
-
公开(公告)号：CN116645448B
公开(公告)日：2023-12-22
申请号：CN202310457856.0
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06T11/40 , G06V10/74 , G06V20/13 , G06V10/82 , G06V10/764 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种光学遥感影像的定量云自动添加方法及装置，所述方法包括：对真实无云光学遥感影像和真实有云光学遥感影像进行预处理；构建基于循环生成对抗网络的深度神经迁移网络；利用预处理后的真实无云光学遥感影像和真实有云光学遥感影像对所述基于循环生成对抗网络的深度神经迁移网络进行训练学习，实现云量的定量添加。通过实施本发明的上述方案，可以实现自动生成包含不同比例云的高质量典型目标的光学遥感影像训练样本。
-
Patent Agency Ranking
公开(公告)号：CN116503733A
公开(公告)日：2023-07-28
申请号：CN202310460255.5
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/46 , G06V10/764 , G06T7/73
Abstract: 本发明涉及一种遥感图像目标检测方法、设备及存储介质，遥感图像目标检测方法包括以下步骤：获取遥感图像及其对应的目标类别标签；获取遥感图像中目标的关键特征；构建基于多尺度直方图对比的改进视觉显著模型，对遥感图像中的目标进行粗略检测；提取粗检测后的目标特征算子，构建目标特征显著图，进行遥感图像中目标的高精度检测；利用目标在遥感图像中的分布规律，完成目标的识别和定位。本发明，能够适用于背景环境复杂的遥感图形，有利于降低虚警，减小其他类型虚假目标对目标定位的影响，不仅可以实现遥感图像中目标的检测，还可以通过目标特征及目标的排布方式进行目标的识别，提升检测结果的准确性。
-
公开(公告)号：CN116486085A
公开(公告)日：2023-07-25
申请号：CN202310474551.0
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感图像的场景描述方法，包括：S100，根据遥感图像构建遥感知识词库；S200，根据Mask2Former网络对所述遥感图像进行全景分割，得到全景分割结果并生成语义分割结果；S300，引入语义扩充模块，根据所述全景分割结果和所述语义分割结果对所述遥感图像进行语义扩充；S400，以ResNet特征提取网络为基础，引入基于通道的注意力模块，提取所述遥感图像中不同通道的语义特征信息；S500，以LSTM场景描述网络为基础，引入知识融合模块，生成关于所述遥感图像的场景描述语句。本发明能更加准确地描述高分遥感图像所携带的丰富语义及空间信息，可应用于遥感图像智能解译、遥感图像大数据管理等领域，具有广阔的前景。
-
公开(公告)号：CN116485652A
公开(公告)日：2023-07-25
申请号：CN202310465820.7
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06T3/40 , G06T7/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/54 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种遥感影像车辆目标检测的超分辨率重建方法，包括：构建不同场景下丰富的高分辨率遥感影像数据集，对所述高分辨率遥感影像数据集进行预处理；根据所述高分辨率遥感影像数据集得到对应的低分辨率遥感影像数据集，构建目标超分重建数据集；提取所述低分辨率遥感影像数据集中低分辨率遥感影像的边缘特征；构建超分辨率重建模型，利用所述目标超分重建数据集和所述边缘特征训练优化所述超分辨率重建模型；利用所述超分辨率重建模型对目标进行高分辨率恢复和重建。通过实施本发明的上述方案，有效解决车辆目标因呈现出弱小特性而导致其检测率较低的问题，有效改善目标重建质量并降低重建的计算开销。
-
公开(公告)号：CN115272857B
公开(公告)日：2023-04-07
申请号：CN202210900863.9
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于注意力机制的多源遥感图像目标识别方法，包括：获取多源遥感图像及其对应的目标类别标签，并进行预处理；提取预处理后的多源遥感图像中的目标特征，对所述目标特征进行过滤，得到多源目标的关键特征；构建特征融合编码器并对所述关键特征进行融合，获得隐层特征数据；构建特征解码器并重构所述隐层特征数据；利用重构的隐层特征数据和所述关键特征对所述特征融合编码器和所述特征解码器进行优化；利用分类网络对所述隐层特征数据进行分类识别。本发明不仅实现多源遥感图像中的目标识别，还可提高识别的精度。
-
公开(公告)号：CN114998749B
公开(公告)日：2023-04-07
申请号：CN202210900855.4
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种用于目标检测的SAR数据扩增方法，包括：获取原始SAR图像数据集及其标注信息；对所述原始SAR图像数据集进行目标检测，结合所述标注信息，构建负样本集；利用所述标注信息获得所述原始SAR图像数据集中的目标样本，构建方位角目标样本集；构建基于自注意力机制的生成对抗网络，利用所述负样本集和所述方位角目标样本集对所述生成对抗网络进行迭代训练；评估所述生成对抗网络生成的样本质量，获得高质量的生成样本；在所述原始SAR图像数据集中插入所述高质量的生成样本，以及对应的标注信息。本发明实现SAR数据的自动扩增，提升SAR图像目标识别任务训练集中目标样本的多样性和均衡性。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.034 seconds)
