-
公开(公告)号：CN118072138A
公开(公告)日：2024-05-24
申请号：CN202410497957.5
申请日：2024-04-24
Applicant: 中国地质大学(武汉)
IPC: G06V10/80 , G06V10/44 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06V10/26 , G06V20/70 , G06V20/10 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及图像处理领域，提供了一种土地覆盖特征提取方法、装置、电子设备及存储介质，其中，该方法包括：获取目标图像的第一超像素场景图与初始特征图，其中，初始特征图包括底层特征图和中层特征图；根据第一超像素场景图与中层特征图得到超像素特征图，并通过图卷积神经网络对底层特征图进行卷积处理，得到目标底层特征图；将目标底层特征图和超像素特征图进行元路径融合，得到融合特征图；根据融合特征图确定目标图像的土地覆盖特征，其中，土地覆盖特征用于确定目标图像的土地覆盖标签。通过本发明，解决了相关技术中提取的土地覆盖特征不全面，使得多标签遥感土地覆盖场景分类的分类结果的准确性较低的问题。
-
公开(公告)号：CN117746079B
公开(公告)日：2024-05-14
申请号：CN202311535635.7
申请日：2023-11-15
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种高光谱图像的聚类预测方法、系统、存储介质及设备，涉及图像处理技术领域，该方法包括：获取目标区域的高光谱图像；分割所述高光谱图像，生成超像素块；分别提取所述高光谱图像的像素特征和所述超像素块的超像素特征；采用对比学习算法分别提取所述像素特征的深度像素特征和所述超像素特征的深度超像素特征；采用K均值算法聚类所述深度像素特征和所述深度超像素特征，生成伪标签结果；采用所述K均值算法聚类所述伪标签结果，生成所述目标区域的地物标签。通过本发明的高光谱图像的聚类预测方法，不需要人工标注，可对像素级图像或超像素级图像进行聚类预测，得到噪声少、聚类效果好、高精度的聚类预测结果。
-
公开(公告)号：CN117765297A
公开(公告)日：2024-03-26
申请号：CN202311558732.8
申请日：2023-11-20
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V20/10
Abstract: 本发明涉及图像处理技术领域，具体而言，提供了一种高光谱图像分类方法、装置、设备及存储介质，高光谱图像分类方法包括：获取高光谱数据集，对高光谱数据集进行动态切片构建光谱立方体；将光谱立方体进行分离投影和特征变换，得到光谱特征矩阵和空间特征矩阵；对光谱特征矩阵进行绝对位置编码，对空间特征矩阵进行相对位置编码；将光谱特征矩阵和空间特征矩阵分别输入两个独立的训练好的Transformer学习器，得到光谱特征注意力矩阵和空间特征注意力矩阵；将光谱特征注意力矩阵和空间特征注意力矩阵融合后进行分类，得到分类结果。本发明的技术方案通过对高光谱图像在光谱维度和空间维度的特征信息进行提取处理，有效提升高光谱图像分类结果的分类精度。
-
公开(公告)号：CN116310459B
公开(公告)日：2024-01-19
申请号：CN202310313453.9
申请日：2023-03-28
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V20/10 , G06V10/54 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/58 , G06V10/77 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 算复杂度。本发明涉及图像处理技术领域，提供了一种基于多视图空谱联合的高光谱图像子空间聚类方法，包括：获取高光谱图像，对所述高光谱图像进行预处理获得空谱样本；提取所述空谱样本的纹理特征和空谱特征；分别根据所述纹理特征和所述空谱特征确定对应的纹理图和空谱图；将所述纹理图和所述空谱图输入构建好的多视图图卷积子空间聚类网络，输出所述高光谱图像的聚类结果，所述多视图图卷积子空间聚类网络包括双分支自表达模块、注意力融合模块和谱聚类模(56)对比文件Li, H (Li, Hao);Feng, RY (Feng,Ruyi);Wang, LZ (Wang, Lizhe);Zhong, YF(Zhong, Yanfei);Zhang, LP (Zhang,Liangpei) .Superpixel-Based ReweightedLow-Rank and Total Variation SparseUnmixing for Hyperspectral Remote SensingImagery《.IEEE TRANSACTIONS ON GEOSCIENCEAND REMOTE SENSING》.2021,第59卷(第01期),第629-647页.孙攀;董玉森;陈伟涛;马娇;邹毅;王金鹏;陈华.高分二号卫星影像融合及质量评价《.国土资源遥感》.2016,(第04期),全文.魏祥坡;余旭初;张鹏强;职露;杨帆.联合局部二值模式的CNN高光谱图像分类《.遥感学报》.2020,(第08期),全文.周国华;蒋晖;顾晓清;殷新春.多视角判别度量学习的乳腺影像检索方法《.液晶与显示》.2020,(第06期),全文.吴昊.综合纹理特征的高光谱遥感图像分类方法《.计算机工程与设计》.2012,(第05期),全文.冯静;舒宁.一种新的高光谱遥感图像纹理特征提取方法研究《.武汉理工大学学报》.2009,(第03期),全文.
-
公开(公告)号：CN116797787B
公开(公告)日：2024-01-02
申请号：CN202310573090.2
申请日：2023-05-22
Applicant: 中国地质大学(武汉)
Abstract: 本发明涉及图像处理技术领域，提供了一种基于跨模态融合与图神经网络的遥感影像语义分割方法，包括：获取RGB遥感图和对应的高程图；将所述RGB遥感图和所述高程图输入第一双流编码器‑解码器模块，输出第一重构特征图；将所述第一重构特征图输入图卷积神经网络模块，输出一级分类体系预测图像；将所述RGB遥感图、所述高程图以及所述一级分类体系预测图像输入构建好的语义分割网络，输出二级分类体系预测图像。本发明将一级分类体系预测图像的先验信息融入二级分类体系预测图像的预测过程中，可以引导网络关注不同类别间的差异化特征，提高分割的整体性，从而有效提升了遥感影像语义分割的精确度。
-
Patent Agency Ranking
公开(公告)号：CN116977750A
公开(公告)日：2023-10-31
申请号：CN202311234948.9
申请日：2023-09-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/26 , G06V20/70 , G06V20/10 , G06V10/80 , G06V10/58 , G06V10/56 , G06V10/422 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种土地覆盖场景分类模型构建方法及分类方法，包括：获取遥感图像集，遥感图像集中的遥感图像中包括土地覆盖场景；将遥感图像输入至构建的初始分类模型中，对初始分类模型进行训练，得到目标分类模型；初始分类模型及目标分类模型包括关联的语义分割模型、残差神经网络模型及图神经网络模型。本发明构建的基于语义分割与多级输出的残差神经网络‑图神经网络搭建的目标分类模型，在对输入的遥感图像进行处理时，由于残差神经网络及图神经网络对语义分割结果中的特征的进一步提取处理及全局学习，从而能够为遥感图像场景分类提供方法支撑，最终提升土地覆盖场景的分类精度，能够确保矿区土地覆盖精细化场景分类的精度及可靠性。
-
公开(公告)号：CN116563672B
公开(公告)日：2023-09-19
申请号：CN202310814753.5
申请日：2023-07-05
Applicant: 中国地质大学(武汉)
IPC: G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明提供一种岩土体分类模型构建方法及岩土体分类方法，涉及遥感图像处理技术领域，该方法包括：获取研究区的遥感影像、第一地质图数据和第二地质图数据，分别根据第一地质图数据对遥感影像进行配准处理和标注处理，得到第一影像数据和第一标注结果，根据第二地质图数据对遥感影像进行配准处理和标注处理，得到第二影像数据和第二标注结果；将第一标注结果和第二标注结果进行归并，得到第三标注结果；构建初始基模型和初始集成模型，训练初始基模型和初始集成模型，得到基模型和集成模型，以构建岩土体分类模型。本发明的有益效果：引入小比例尺的地质图数据训练分类模型，有效提升了模型的准确率，进而提升岩土体分类的准确性。
-
公开(公告)号：CN116612337A
公开(公告)日：2023-08-18
申请号：CN202310886314.5
申请日：2023-07-19
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G01N21/25 , G01J3/28 , G06V10/58 , G06V10/80 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于高光谱图像的物体检测方法、装置、系统及存储介质，涉及图像处理技术领域，包括：该方法应用于基于高光谱图像的物体检测系统，包括信息处理模型和检测模型，该方法包括：获取高光谱图像进行预处理，得到光谱信息和空间信息；利用训练好的信息处理模型，进行特征提取，得到光谱特征和空间特征，将光谱特征和空间特征融合，得到共识信息，并根据上述特征得到多个空间聚合特征和多个光谱聚合特征；利用训练好的检测模型，将多个空间聚合特征和多个光谱聚合特征融合，得到检测结果。本发明的有益效果：对空间特征和光谱特征进行提取，并处理得到共识信息和对应的聚合特征，增加高光谱图像信息利用率，进而提高物体检测效率。
-
公开(公告)号：CN116310187B
公开(公告)日：2023-08-04
申请号：CN202310553768.0
申请日：2023-05-17
Applicant: 中国地质大学(武汉)
IPC: G06T17/05 , G06T7/11 , G06T5/10 , G06V10/74 , G06V10/764 , G06V10/77 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本发明提供了一种小尺度短周期的滩涂精细建模方法，涉及图像处理技术领域，包括：对第一多源训练数据集中的每组第一训练数据，采用多种第一融合分割算法进行融合分割，得到各第一融合分割算法对应的融合分割结果，将所得的融合分割结果融合，得到最终分割结果，基于最终分割结果与对应的标签数据计算损失函数，反向训练各第一融合分割算法的参数；基于训练好的所有第一融合分割算法的输出对DEM基础模型进行插值细化，得到精细DEM模型；基于第二多源训练数据集对第二融合分割算法进行训练，基于训练好的第二融合分割算法的输出对精细DEM模型进行插值细化，得到周期性DEM模型。本发明可生成带地质特征和时间特征及与时间强相关的DEM模型。
-
公开(公告)号：CN116091850B
公开(公告)日：2023-06-23
申请号：CN202310379614.4
申请日：2023-04-11
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种矿区土地覆盖分类模型建立及分类方法，所述分类模型建立方法包括：获取研究区的历史遥感图像数据，根据所述研究区的历史遥感图像数据确定对应的多光谱影像和地形数据；基于所述多光谱影像确定浅层光谱‑空间特征以及不同尺寸多光谱影像；基于所述地形数据确定最优尺寸地形数据影像；根据所述浅层光谱‑空间特征、所述不同尺寸多光谱影像以及所述最优尺寸地形数据影像训练初始模型，以构建矿区土地覆盖分类模型。本发明提高了露天采矿区土地覆盖分类的精确度。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.03 seconds)
