-
公开(公告)号：CN116258953A
公开(公告)日：2023-06-13
申请号：CN202211100449.6
申请日：2022-09-08
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V20/10 , G06V10/25 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种遥感影像目标检测方法，属于遥感影像处理技术领域。本发明首先采用双分辨率特征融合的方式，从影像上提取兼顾细节信息和多尺度语义信息的高分辨率特征图，以应对目标的尺寸差异性，确保特征图所包含的信息在尺度上的连续性，增强不同特征之间信息的传递效率；然后，在网络中引入可变形卷积，并设计了基于空洞卷积的可变形特征融合模块，以增强卷积神经网络所提取的特征对目标方向变化的感知能力；最后，采用多分支预测方式，利用目标倾斜边界框四边的中点构建边界感知向量，并引入目标边界框类型的判断，判断目标边界框的类型是水平框还是倾斜框，进而提升目标边界预测的精确度。
-
公开(公告)号：CN113052180A
公开(公告)日：2021-06-29
申请号：CN202110326425.1
申请日：2021-03-26
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及融合语义流场的编解码网络港口影像分割方法，属于图像分割技术领域，该方法包括将待分割图像输入至训练好的融合语义流场的编解码网络，将港口影像分割为海、陆以及舰船三种类别；编解码网络包括依次连接的编码层、空洞卷积层和解码层，编码层包括N层依次连接的卷积模块，解码层包括N层依次连接的反卷积模块，各反卷积模块中均设置有流对齐模块，各流对齐模块的输入与编码层中相应层级的卷积模块进行跳跃相连。本发明利用流对齐模块，通过预测特征图间的语义流场，监督上采样过程，以提高特征信息传递的有效性，并利用空洞卷积层获取影像的多尺度信息，使其更加适合港口影像分割任务，从而得到平滑、完整的分割结果，分割精度较高。
-
公开(公告)号：CN116258973A
公开(公告)日：2023-06-13
申请号：CN202211095208.7
申请日：2022-09-05
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种多尺度特征联合的遥感影像场景分类方法，属于遥感影像处理技术领域。本发明首先建立多尺度的分类模型，能够得到不同尺度的特征；然后采用多尺度联合训练的方式，利用联合损失对整个网络结构进行梯度的反向传播和网络参数更新，可以将不同尺度特征的预测结果共同纳入到整个网络的优化，不仅能使分类模型能够自适应地关注不同尺度目标的信息，避免训练过程网络过拟合，还能实现各个尺度的特征均能够独立预测目标的类别信息；在预测时采用决策级融合的方式预测目标的类别信息，不仅可以有效提取不同尺度的目标的信息，同时，可以获得更可靠的预测结果。
-
公开(公告)号：CN115797677A
公开(公告)日：2023-03-14
申请号：CN202111531744.2
申请日：2021-12-14
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种双路径特征融合的遥感影像分类方法，该分类方法包括获取待分类的遥感影像；将待分类的遥感影像输入训练好的分类模型进行分类以获得分类结果；分类模型包括特征提取模块、特征变换模块、特征融合模块和特征分类模块，特征提取模块采用双分支卷积神经网络架构，输入的遥感影像经特征提取模块和特征变换模块处理得到中间特征图，特征融合模块基于中间特征图得到一级特征，利用两组中间特征图对应元素相乘后得到二级特征，利用一级特征和二级特征得到融合特征，特征分类模块用于对融合特征进行分类。基于本发明的遥感影像分类方法，能够解决现有技术中由于提取的特征直接进行相加或拼接得到融合特征导致的分类精度有待提高的问题。
-
公开(公告)号：CN116012722A
公开(公告)日：2023-04-25
申请号：CN202211097928.7
申请日：2022-09-08
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种遥感影像场景分类方法，属于遥感影像处理技术领域。本发明首先利用深层卷积神经网络提取影像不同尺度的特征图；然后利用残差注意力机制增强不同尺度特征图的语义信息、抑制冗余噪声信息；最后使用全局均值池化获取不同尺度特征图的全局信息，构建特征向量，并将不同尺度特征向量融合，各不同尺度的特征向量以及融合后的特征向量分别采用独立的分类器进行分类；在训练时利用联合损失优化模型，预测时采取多分类器决策级融合的方式，提高了分类的稳健性和分类精度。并在UC Merced、AID和NWPU‑RESISC45数据集上进行了实验，验证了本发明的可行性和有效性，相比其他同类型方法，本发明的分类精度得到显著提升。
-
Patent Agency Ranking
公开(公告)号：CN115719454A
公开(公告)日：2023-02-28
申请号：CN202210724043.9
申请日：2022-06-23
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于图像处理技术领域，具体涉及一种结合视角转换的遥感影像场景匹配方法。该方法包括：1)获取某一目标的多视影像，并将所述多视影像进行视角转换，以得到该目标的空视影像；2)采用构建的特征提取模型提取所述空视影像的特征，以得到融合有高空间分辨率和丰富语义信息的空视影像融合特征；3)采用构建的特征提取模型提取卫星图像的各个区域的特征，以得到每个区域的卫星图像融合特征；4)将空视影像融合特征分别和每个区域的卫星图像融合特征进行匹配，以找到与空视影像匹配度最佳的区域，实现场景匹配。本发明适用于各种具备可区分特征的区域，通过视角转换和特征融合能够提高匹配结果的准确性和成功率，得到更为可靠的结果。
-
公开(公告)号：CN113537023B
公开(公告)日：2022-12-23
申请号：CN202110773315.X
申请日：2021-07-08
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V20/13 , G06V20/70 , G06V10/26 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于遥感影像技术领域，具体涉及一种遥感影像语义变化检测方法。该方法首先将前、后期遥感影像输入至语义变化检测模型中，得到前、后期遥感影像的地物分类结果；所述语义变化检测模型利用已进行地物分类的遥感影像进行训练得到，且所述语义变化检测模型包括两个编码器、两个OCR模块、相似度度量模块和两个解码器；然后将前、后期遥感影像的地物分类结果进行对比，以确定前、后期遥感影像的语义变化。本发明能够实现对地物进行准确分类，有效地减少地物分类结果中漏检、误检的现象，且对建筑物的检测结果更为完整、平滑，边界也更为完整，提高了变化区域影像地物分类精度，进而使得语义变化检测精度更高，为更好地为地理信息更新提供依据。
-
公开(公告)号：CN113537023A
公开(公告)日：2021-10-22
申请号：CN202110773315.X
申请日：2021-07-08
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明属于遥感影像技术领域，具体涉及一种遥感影像语义变化检测方法。该方法首先将前、后期遥感影像输入至语义变化检测模型中，得到前、后期遥感影像的地物分类结果；所述语义变化检测模型利用已进行地物分类的遥感影像进行训练得到，且所述语义变化检测模型包括两个编码器、两个OCR模块、相似度度量模块和两个解码器；然后将前、后期遥感影像的地物分类结果进行对比，以确定前、后期遥感影像的语义变化。本发明能够实现对地物进行准确分类，有效地减少地物分类结果中漏检、误检的现象，且对建筑物的检测结果更为完整、平滑，边界也更为完整，提高了变化区域影像地物分类精度，进而使得语义变化检测精度更高，为更好地为地理信息更新提供依据。
-
公开(公告)号：CN116258952A
公开(公告)日：2023-06-13
申请号：CN202211097794.9
申请日：2022-09-08
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06V20/10 , G06V10/25 , G06V10/30 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种遥感影像目标检测方法，属于遥感影像处理技术领域。本发明通过构建包含有正负特征引导模块、全局特征信息互补模块的目标检测模型，利用正负特征引导模块自适应地感知有益特征的空间位置和语义信息的贡献度，从模型的特征流中剔除背景噪声信息，以此抑制复杂背景中噪声特征的干扰并突出细化目标特征；利用全局特征信息互补模块通过池化操作压缩深层抽象特征，提高模型抵抗特征位移与旋转的能力，并利用空洞卷积在保持空间分辨率不变的情况下增大模型的感受野，建立特征之间的空间位置关系，提高模型对长距离依赖信息的认知能力；并通过双重多尺度特征融合的策略，提高对同一影像中不同尺度目标的检测性能。
-
公开(公告)号：CN113723175A
公开(公告)日：2021-11-30
申请号：CN202110796786.2
申请日：2021-07-14
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种遥感影像城市建成区提取方法，属于遥感影像处理技术领域。本发明首先采用基于深度学习的语义分割模型，提取出原始建成区；然后针对提取出的原始建成区采用形态学腐蚀处理。本发明采用基于语义分割与形态学运算相结合的夜光遥感数据提取建成区的方法，提高了平均空间精度和面积精度，并且实现了面积精度和空间位置精度之间的平衡，同时提取出的建成区具有平滑的边界，解决了传统算法存在锯齿状边缘的问题。并且所提的Boundary Restrain结构元进行形态学腐蚀运算有效的改善了由于灯光溢出问题引起的建成区范围偏大的问题。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.044 seconds)
