公开(公告)号：CN113033448A

公开(公告)日：2021-06-25

申请号：CN202110360889.4

申请日：2021-04-02

Applicant: 东北林业大学

Inventor： 景维鹏 ,  陈广胜 ,  周莹 ,  李林辉 ,  徐达丽

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

Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。

公开(公告)号：CN117036889A

公开(公告)日：2023-11-10

申请号：CN202311055805.1

申请日：2023-08-22

Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) ,  东北林业大学

Inventor： 谷俊涛 ,  景维鹏 ,  肖鸿江 ,  李超 ,  周莹 ,  孙恕

IPC: G06V10/80

Abstract: 本发明公开了一种基于MLP的遥感影像融合方法，所述方法包括如下步骤：一、将500m空间分辨率的MODIS多光谱影像重采样到480m，以匹配空谱融合后影像的分辨率；二、将t1、t2、t3三个时刻的粗分辨率影像以及t1、t3两个时刻的细分辨率影像作为输入，t2时刻的细分辨率影像作为融合后的输出影像；三、计算StfNet‑MLP时空融合模型所需粗差值影像C12、C23和C13；四、从C12、C23和C13以及F1和F3中预测出细差值影像F12和F23；五、在combination模块中采用自适应局部加权策略重构出t2时刻的细分辨率影像F2_pre。本发明能够避免单一遥感影像的片面性，从而为森林监测的长时序研究提供重要的数据基础。

公开(公告)号：CN117095265A

公开(公告)日：2023-11-21

申请号：CN202311131522.0

申请日：2023-09-04

Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) ,  东北林业大学

Inventor： 谷俊涛 ,  景维鹏 ,  肖鸿江 ,  李超 ,  周莹 ,  孙恕

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/52

Abstract: 本发明公开了一种基于双分支CNN的SAR影像与光学影像的融合方法，所述方法如下：一、将原始遥感SAR影像与多光谱影像经过高通滤波器得到森林图像的高频信息，并将高频信息上采样到SAR图像高频信息的同等分辨率；二、编码器模块分别提取SAR与多光谱图像高频信息的深层特征；三、在特征融合层模块对不同源图像的深层特征的进行融合；四、解码器模块采用图像超分辨网络SRCNN将融合后的特征图映射回图像的空间信息；五、采用跳线连接方式，将空间细节信息叠加到采样的多光谱图像上得到最终的融合结果。该方法设计两路不同的CNN网络提取不同影像的各自特征，引入多尺度特征提取块，实现SAR与多光谱图像空间信息更好的融合。

公开(公告)号：CN113033448B

公开(公告)日：2022-07-08

申请号：CN202110360889.4

申请日：2021-04-02

Applicant: 东北林业大学

Inventor： 景维鹏 ,  陈广胜 ,  周莹 ,  李林辉 ,  徐达丽

IPC: G06V10/80 ,  G06V20/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于多尺度卷积和注意力的遥感影像去云残差神经网络系统、方法、设备及存储介质，属于遥感影像处理领域，为解决传统算法鲁棒性差、恢复效果不符合遥感影像视觉特征的问题。所述深度神经网络方法在高分辨率遥感影像去云任务的速度与复原效果上达到了平衡；使用卷积核大小变化范围更大的多尺度上下文卷积减小模型所需的内存和算法的处理时间；并且在多尺度卷积前以剩余连接的方式拼接了带有通道注意力模块的细粒度卷积增加网络的特征提取能力；本发明更真实、更符合实际场景的专用于高分辨率遥感影像去云任务的数据集，无论哪种网络模型，在该数据集上训练得到的网络权重都具有更高的适应性和更强的鲁棒性。

公开(公告)号：CN213138624U

公开(公告)日：2021-05-07

申请号：CN202021898429.4

申请日：2020-09-03

Applicant: 东北林业大学

Inventor： 吴昱澄 ,  唐英龙 ,  周莹 ,  于春桥 ,  刘星海

IPC: B60Q7/00

Abstract: 本实用新型公开了智能交通事故警示牌，包括主机体和固定于车体底盘后方的下放台，所述主机体的下方两侧设置有履带式行车轮，所述主机体的上表面一侧可翻转设置有翻转式三角警示牌，所述主机体的上方位于翻转式三角警示牌覆盖处设有元件仓，其内部设有控制系统，所述控制系统表面安装有无线电信号发射器及接收器、加速度感应器、GPS和GSM混合模块、超声波传感器和控制器。控制系统采用加速度感应器能够感应到达到阈值的加速度变化，将此信号传递给控制器，控制器将通过信号发射器将信号发射给车内驾驶室中的终端，根据驾驶员操作判断其是否有意识后，可及时控制主机体移动到车辆后方合适位置，实现了车内人员无意识的情况下也能放置警示牌提醒后车。