公开(公告)号：CN114998749A

公开(公告)日：2022-09-02

申请号：CN202210900855.4

申请日：2022-07-28

Applicant: 北京卫星信息工程研究所

Inventor： 车程安 ,  符晗 ,  贺广均 ,  冯鹏铭 ,  金世超 ,  张鹏 ,  刘世烁 ,  常江 ,  邹同元 ,  王勇 ,  梁银川

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  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。

公开(公告)号：CN114998748A

公开(公告)日：2022-09-02

申请号：CN202210900842.7

申请日：2022-07-28

Applicant: 北京卫星信息工程研究所

Inventor： 金世超 ,  鲁俊喆 ,  贺广均 ,  邓岳 ,  冯鹏铭 ,  梁银川 ,  张昊东 ,  王勇 ,  刘世烁 ,  杨志才

IPC: G06V20/10 ,  G06N3/04 ,  G06N3/08 ,  G06V10/52 ,  G06V10/74 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82

Abstract: 本发明涉及一种遥感图像目标精细识别方法、电子设备及存储介质，以遥感图像提取的目标特征向量作为输入，充分利用其中编码的多实例信息，将同一幅图片上各实例的相似度信息进行对比学习，结合粗粒度的任意目标检测网络进行端到端的训练，而无需额外设计，通过已知的目标类别标签应用于分类损失以训练相似度计算网络；同时应用于对比损失，增大相同细粒度类别实例之间的相似度，而削减不同细粒度类别实例之间的相似度，增强了模型对实例之间的辨别区分能力。

公开(公告)号：CN113269691A

公开(公告)日：2021-08-17

申请号：CN202110584825.2

申请日：2021-05-27

Applicant: 北京卫星信息工程研究所 ,  哈尔滨工程大学

Inventor： 冯鹏铭 ,  贺广均 ,  肖飞扬 ,  董喆 ,  田左 ,  关键 ,  兰海燕 ,  刘嘉欣 ,  王恺瀚 ,  谢明杰

IPC: G06T5/00 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开的属于SAR图像去噪方法技术领域，具体为一种基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法，该基于卷积稀疏进行噪声仿射拟合的SAR图像去噪方法的具体实施方案如下：利用图像增广和图像重进消除噪声特性对于模型训练过程的影响，本发明构建的网络具有训练初期收敛效率高，末期收敛情况与其他基准模型相同的特征，利用稀疏表示与卷积滤波器的特性，进一步节省了训练时间，提高了模型的迭代效率，借助图像增广丰富数据以及图像重建消除噪声特性的设计，本发明有效地降低了SAR图像去噪过程对无噪声SAR图像的需求度，减少了实际任务中在无噪声SAR图像获取过程投入的开支，并取得更为优秀的SAR图像去噪效果。

公开(公告)号：CN110889380A

公开(公告)日：2020-03-17

申请号：CN201911197420.2

申请日：2019-11-29

Applicant: 北京卫星信息工程研究所

Inventor： 石慧峰 ,  贺广均 ,  冯鹏铭 ,  夏正欢 ,  张涛 ,  王进 ,  赵志龙

IPC: G06K9/00 ,  G06F16/29

Abstract: 本发明公开一种舰船识别方法、装置及计算机存储介质，所述方法包括：获取第一舰船第一设定时间序列的第一自动识别系统AIS数据和合成孔径雷达SAR图像；所述SAR图像包括至少一个第二舰船；基于第一AIS数据和所述SAR图像，从所述至少一个第二舰船中确定与所述第一舰船关联的第二舰船；基于所述第一AIS数据和与所述第一舰船关联的第二舰船，确定所述第一舰船的类别。

公开(公告)号：CN119810429A

公开(公告)日：2025-04-11

申请号：CN202510299055.5

申请日：2025-03-13

Applicant: 北京卫星信息工程研究所

Inventor： 张拯宁 ,  杨云超 ,  冯鹏铭 ,  陈元伟 ,  贺广均 ,  张泽根 ,  上官博屹 ,  梁颖 ,  刘斌霄

IPC: G06V10/25 ,  G06V20/10 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，包括：获取可见光遥感图像数据，构建多语义层级的标签体系；提取可见光遥感图像特征，通过RPN网络生成多尺度感兴趣区域特征；对多尺度的感兴趣区域特征采用多支路提取多层级的语义特征；对多层级的语义特征进行相邻层级的局部‑全局特征融合，得到增强特征；使用多个层级标签监督多层级分类，在第一语义层级监督回归；在推理阶段精简网络结构，提高推理速度。本发明，针对可见光遥感图像中的多类目标，实现了目标细粒度检测过程中的层级关系及信息的注入，结合多层特征融合，增强网络对目标的共有特征和细粒度特征的提取和学习。

公开(公告)号：CN119445380A

公开(公告)日：2025-02-14

申请号：CN202411502090.4

申请日：2024-10-25

Applicant: 北京卫星信息工程研究所

Inventor： 陈千千 ,  符晗 ,  贺广均 ,  李梓桢 ,  冯鹏铭 ,  杨莹 ,  田路云 ,  上官博屹 ,  刘斌霄

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/26 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于遥感影像的建筑物智能提取方法：步骤S1、获取高分辨率数据集；步骤S2、设计基于编码‑解码结构的遥感影像建筑物语义分割网络，包括特征提取骨架网络和语义分割解码器；步骤S3、设计基于生成对抗网络的遥感影像建筑物DSM估计网络，包括DSM生成器和DSM判别器，DSM生成器包括DSM生成器编码器和DSM生成器解码器；步骤S4、设计特征融合与加强模块；步骤S5、设计损失函数；步骤S6、根据高分辨率数据集和损失函数，训练优化遥感影像建筑物智能提取网络；步骤S7、通过训练完成的遥感影像建筑物智能提取网络进行基于遥感影像的建筑物智能提取。本发明的方法解决了DSM获取代价昂贵的问题，有效改善提取遥感影像中的建筑物的性能。

公开(公告)号：CN118736431A

公开(公告)日：2024-10-01

申请号：CN202410739940.6

申请日：2024-06-07

Applicant: 北京卫星信息工程研究所

Inventor： 王瑞琨 ,  贺广均 ,  陈昊 ,  梁颖 ,  常明 ,  陈元伟 ,  金世超 ,  冯鹏铭 ,  李梓桢 ,  上官博屹

IPC: G06V20/13 ,  G06T5/50 ,  G06T3/4053 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06F17/16 ,  G06F17/18 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于遥感图像变化检测的场景态势生成方法，包括：获取同一区域不同时相的两幅高分辨率卫星遥感影像，并进行预处理；构建基于Swin Transformer的双分支U‑net变化检测网络，对不同时相的两幅所述高分辨率卫星遥感影像进行变化检测；根据变化检测网络输出的变化地物的边界信息对空间关系建模，构建图卷积神经网络，生成边集和邻接矩阵；使用人工标注的遥感变化检测数据集，对图卷积神经网络进行训练，得到基于遥感图像变化检测的场景态势生成模型；利用训练好的基于遥感图像变化检测的场景态势生成模型，对测试集中的数据进行测试，得到遥感变化图像的态势。本发明，充分利用双时相遥感图像的丰富语义信息，实现变化场景态势的自动生成。

公开(公告)号：CN116630820B

公开(公告)日：2024-02-06

申请号：CN202310530434.1

申请日：2023-05-11

Applicant: 北京卫星信息工程研究所

Inventor： 田路云 ,  贺广均 ,  李梓桢 ,  徐加伟 ,  冯鹏铭 ,  符晗 ,  上官博屹 ,  金世超

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/32 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种光学遥感数据星上并行处理方法与装置，所述装置包括：主控与预处理模块(100)，用于通过星务轮询方式获取光学遥感数据并进行预处理与切片处理；至少一个数据处理模块(200)，用于对所述预处理与切片处理后的光学遥感数据进行目标的并行检测识别或语义分割，再将结果回传至所述主控与预处理模块理模块(100)和所述数据处理模块(200)上电；背板(400)，用于连接所述主控与预处理模块(100)、所述数据处理模块(200)和所述电源模块(300)。通过实施本发明的上述方案，可用于光学遥感卫星数据的在轨并行处理，从而实现目标的在轨实时检测识别以及光学遥感数据的在轨实时语义分割。(100)；电源模块(300)，用于对所述主控与预处

公开(公告)号：CN116486265B

公开(公告)日：2023-12-19

申请号：CN202310468626.4

申请日：2023-04-26

Applicant: 北京卫星信息工程研究所

Inventor： 梁颖 ,  贺广均 ,  王轲 ,  冯鹏铭 ,  陈千千 ,  上官博屹 ,  郑琎琎 ,  刘世烁

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/766 ,  G06V10/422 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法，包括：构建并训练基于Mask R‑CNN的目标定位与分割模型，对遥感图像中的飞机目标进行检测与分割；对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形，将轮廓多边形的线段作为节点，将线段的几何特征和线段对应部件的卷积特征作为节点属性，并根据线段间的空间关系构建图结构数据；构建融合几何特征和卷积特征的图卷积神经网络模型；利用所述图结构数据训练所述图卷积神经网络模型，对描述飞机形状特征和部件特征的图结构进行整图分类，实现飞机目标的细粒度识别。通过实施本发明的上述方案，通过综合利(56)对比文件US 2020285944 A1,2020.09.10US 2022343537 A1,2022.10.27瑚敏君 等.基于实例分割模型的建筑物自动提取《.测绘通报》.2020,(第4期),第16-20页.

公开(公告)号：CN116416531B

公开(公告)日：2023-12-19

申请号：CN202310409310.8

申请日：2023-04-17

Applicant: 北京卫星信息工程研究所

Inventor： 冯鹏铭 ,  刘洪宁 ,  贺广均 ,  张汝波 ,  金世超 ,  符晗 ,  梁颖 ,  常江

IPC: G06V20/13 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06V10/764 ,  G06V10/766 ,  G06N3/0464

Abstract: 本发明涉及一种基于动态重参数化的遥感图像目标检测方法、设备及存储介质，基于动态重参数化的遥感图像目标检测方法包括：步骤S1、获取遥感图像及对应的真值标签；步骤S2、基于深度学习网络构建目标检测模型，并完成模型训练；步骤S3、利用步骤S2中的目标检测模型进行动态重参数化拓展，并对拓展后的目标检测模型进行在线训练；步骤S4、重复执行步骤S3，得到优化后的目标检测模型；步骤S5、对优化后的目标检测模型进行微调，利用重参数化方法吸收拓展的增强卷积，得到压缩的目标检测模型；步骤S6、利用压缩后的目标检测模型对遥感图像进行检测。本发明，解决了遥感图像目标检测任务中主干特征提取网络因结构参数设计不当而导致性能不足的问题。