-
公开(公告)号：CN114359130B
公开(公告)日：2024-09-17
申请号：CN202111319654.7
申请日：2021-11-09
Applicant: 上海海洋大学
IPC: G06T7/00 , G06T7/12 , G01N21/88 , G06V10/82 , G06V10/80 , G06V20/17 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及人工智能的技术领域，公开了一种基于无人机影像的道路裂缝检测方法，利用无人机采集道路裂缝图像，构建图像数据集；构建改进U‑Net神经网络模型，共七层，包括编码器和解码器，所述解码器包括三层，其最后一层中设置有CBAM注意力模块，编码后的各层特征图经上采样至原始输入图像大小，再与解码器中最后一层输出的特征图进行深浅层信息融合，然后进入CBAM注意力模块，所述CBAM注意力模块用于从通道层面和空间层面重新分配权重，得到更加聚焦裂缝的目标特征图；基于图像数据集，对构建好的改进U‑Net神经网络模型进行训练和测试，并利用训练好的改进U‑Net神经网络模型对待检图像进行检测。
-
公开(公告)号：CN114373144B
公开(公告)日：2024-09-06
申请号：CN202111490699.0
申请日：2021-12-08
Applicant: 上海海洋大学
IPC: G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
Abstract: 本发明涉及人工智能的技术领域，公开了一种用于高速视频中圆形标识点的自动识别方法，建立包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块的检测网络模型，该目标检测网络YOLOv4用于圆形标识点的边框进行识别，该显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，该圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；对图像样本集中各个图像中的圆形标识点分别进行标注，再依据边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头，然后以各个边框所在图像作为输入，对检测网络模型进行训练；利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别。
-
公开(公告)号：CN118447271A
公开(公告)日：2024-08-06
申请号：CN202410530430.8
申请日：2024-04-29
Applicant: 上海海洋大学
Abstract: 本发明公开了一种融合空间与相位特征的光学与SAR异源卫星图像匹配方法，以参考图像和待匹配图像作为原始图像，利用相位一致性最大响应图获得边缘图作为相位特征，对原始图像进行高斯滤波作为空间特征，结合两幅图像作为导向图构建对应的联合双边滤波尺度金字塔；对每个尺度图像计算最大矩图、最小矩图以及最大索引图并在最大矩图、最小矩图上检测特征点、在最大索引图上计算特征描述符，为每个特征描述符设置两个主方向，构建双重特征描述向量；将所有的特征点映射到对应的原始图像上，以其对应的双重特征描述向量作为输入，采用匹配方法进行特征匹配获得初始匹配结果，并利用初始匹配结果作为先验信息进行二次匹配，获得最终匹配结果。
-
公开(公告)号：CN115423696B
公开(公告)日：2024-06-18
申请号：CN202210905728.3
申请日：2022-07-29
Applicant: 上海海洋大学
Abstract: 本发明公开了一种自适应线程参数的遥感正射影像并行生成方法，属于摄影测量技术领域。该方法包括：获取原始立体影像，根据其角点的像方坐标和DEM通过RFM模型迭代计算获得四至地理坐标，建立模拟纠正影像；根据GPU的性能参数和CUDA核函数确定线程块和线程网格参数；使用GPU并行计算，获得模拟纠正影像像元的地理坐标及地面高程值；通过RFM模型计算其在原始立体影像中的行列，并以其插值计算的灰度值作为纠正影像的灰度值，获得正射纠正影像。本发明使用自适应线程块适应不同的GPU，具有较好的性能及更加自动化。同时使用GPU并行计算，能够极大地缩短正射纠正的时间，满足对立体影像批量进行正射纠正处理的需要。
-
公开(公告)号：CN117974502A
公开(公告)日：2024-05-03
申请号：CN202410007322.2
申请日：2024-01-03
Applicant: 上海海洋大学
Abstract: 本发明公开了一种多幅亮度不均匀图像的色彩校正与自然度恢复方法，属于图像处理中的色彩校正技术领域。包括：获取至少两幅待处理影像，将每一幅所述待处理影像分解为照度分量和反射率分量；对每一幅所述待处理影像的照度分量进行自适应亮度改善和对比度增强，并采用颜色一致性优化策略进行优化；将每一幅优化后的所述待处理影像的照度分量和其对应的反射率分量合成为增强后的影像，并进行多波段混合以生成镶嵌图；采用分块的Wallis变换得到恢复后的每一幅所述待处理影像。本发明给出了用于多波段混合的定权策略，同时仅对图像的照度分量进行图像增强和颜色一致性优化有效地保留了图像的细节信息，两者组合实现了影像间强度的均匀过渡。
-
Patent Agency Ranking
公开(公告)号：CN111738052B
公开(公告)日：2024-03-12
申请号：CN202010283627.8
申请日：2020-04-13
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/047 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度学习的多特征融合高光谱遥感地物分类方法，该方法可应用于高光谱遥感地物图像分类，解决了高光谱图像分类中标签样本不足和不同层次特征没有得到充分利用的弊端，具体如下：从原始高光谱遥感图像中选取各类别标签样本，并将样本标记为训练样本和测试样本；对训练样本进行预处理将其复制为相同的多份，并输入卷积神经网络的不同卷积层中以得到更多的样本；将卷积神经网络中层和高层的特征在全连接层中进行融合以得到不同层次的特征信息；获得训练的特征后对测试样本进行分类。
-
公开(公告)号：CN116894923A
公开(公告)日：2023-10-17
申请号：CN202310886947.6
申请日：2023-07-19
Applicant: 上海海洋大学
Abstract: 本发明公开了一种高分辨率遥感影像映射转换密集匹配与三维重建方法，包括步骤：接收第一遥感影像；对所述第一遥感影像进行正射纠正，获得第二遥感影像；对第二遥感影像进行重采样，获得第三遥感影像；对第三遥感影像进行自适应扩展分块，并对分块后的影像进行密集匹配生成对应的视差图；基于视差图和分块信息，将每对同名像点恢复到其在正射纠正影像上的坐标，再对同名点对进行逆正射纠正，将点对坐标恢复到第一高分辨率遥感影像上，获得对应的三维点坐标形成的三维点云；对三维点云进行栅格化采样生成高分辨率DSM。
-
公开(公告)号：CN111652038B
公开(公告)日：2023-03-03
申请号：CN202010283629.7
申请日：2020-04-13
Applicant: 上海海洋大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于卷积神经网络的遥感海冰图像分类方法，解决了传统方法不能充分挖掘高光谱遥感海冰图像空谱特征以及不能结合分类目标有效区分不同光谱特征贡献度的弊端，其技术方案要点是包括有以下步骤：通过原始遥感图像获得原始数据；从原始数据中手工标记部分样本作为样本库；将输入数据根据设定策略随机选择训练样；将其余样本作为测试样本；通过训练样本对预建的三维卷积神经网络模型进行训练和特征提取，并通过挤压激励网络对提取的特征进行权重调整，并最终选择支持向量机分类器完成分类；通过训练测试后的三维卷积神经网络模型对高光谱遥感图像进行检测分类，本发明能够有效地克服现有困难，提高遥感海冰图像的分类精度。
-
公开(公告)号：CN115331049A
公开(公告)日：2022-11-11
申请号：CN202210914538.8
申请日：2022-08-01
Applicant: 上海海洋大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于灾后无人机遥感影像的建筑物损毁分类方法，获取灾后的无人机遥感影像，并进行预处理；建立建筑物破坏分类网络模型并进行训练；该网络模型包括特征编码模块和分类模块，特征编码模块包括依次连接的带有注意力机制的多个卷积块，用于对无人机遥感影像进行特征编码，获取特征编码图，分类模块包括全局特征提取模块、上下文特征提取模块和分类器，全局特征提取模块用于对特征编码图进行全局特征提取，上下文特征提取模块用于对特征编码图进行上下文特征提取，分类器用于对融合了全局特征、上下文特征的图像特征进行分类；用训练好的建筑物破坏分类网络模型对获取灾后的无人机遥感影像进行损毁分类识别。
-
公开(公告)号：CN114937213A
公开(公告)日：2022-08-23
申请号：CN202210194973.8
申请日：2022-03-01
Applicant: 上海海洋大学
Abstract: 本发明属于目标检测的技术领域，公开了一种基于地球同步卫星数据的火点检测和识别方法，其特征在于：先计算每个波段的遥感影像中各个像素点对应的环境信息，再将所有波段的遥感影像中的每个像素点的图像信息与对应的环境信息拼接在一起，作为像素点的输入特征，逐个像素点输入神经网络模型进行火点检测，并将检测结果显示出来。本发明的火点检测方法使用环境背景值和环境稳定值作为环境信息，并使用卷积神经网络对数据进行学习，通过多尺度的卷积和残差结构，能够从多个尺度综合分析各个特征之间的关系，以此提取出更加本质的特征，同时残差结构保证了原始特征不会被丢失，使得模型能够适用于各种环境，提高火点检测的速度与预测的准确率。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.028 seconds)
