-
Patent Agency Ranking
公开(公告)号：CN114860974A
公开(公告)日：2022-08-05
申请号：CN202110151812.6
申请日：2021-02-03
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/532 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种遥感影像检索定位方法，属于遥感影像数据处理技术领域。本发明首先通过自监督网络架构提取影像的具有辨别力和鲁棒性的深度局部特征，解决了传统底层视觉特征难以描述影像高层语义的问题；然后针对带定位查询影像的每一个深度局部特征，都在基准影像构建的局部特征数据库中进行最近邻检索，找到对应的基准影像，并对找到的基准影像进行反距离投票，统计得分靠前的即为候选影像；最后利用图神经网络模型对检索到的候选影像进行几何验证，逐一匹配查询影像与候选影像，得到符合空间几何关系的影像，得到最终的检索结果，以避免由于全球范围内影像局部特征的重复性导致初步检索出现错误的问题，进一步提高了检索的准确性。
-
公开(公告)号：CN114564607A
公开(公告)日：2022-05-31
申请号：CN202210179545.8
申请日：2022-02-25
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/535 , G06F16/538 , G06F16/583 , G06N3/04
Abstract: 本发明提出一种基于快速几何一致性验证的影像检索排序方法，属于影像检索技术领域。首先基于查询影像特征和基准影像特征进行检索，根据检索结果得到候选基准影像及初始排序结果，并生成查询影像与候选基准影像的匹配点对；然后根据得到的匹配点对进行查询影像和候选基准影像的几何一致性验证，实现候选基准影像的重排序。在进行几何一致性验证时，本发明不需要重新提取候选影像与查询影像的特征点，直接使用生成的查询影像和候选基准影像的匹配点对进行验证，提高了现有几何一致性验证效率，同时也提高了候选影像的重排序效率；而且对比于其他重排序方法，本发明也不需要进行样本学习，同样提高了候选影像的重排序速度。
-
公开(公告)号：CN111476251A
公开(公告)日：2020-07-31
申请号：CN202010224164.8
申请日：2020-03-26
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种遥感影像匹配方法及装置，属于遥感影像数据处理技术领域。本发明首先采用改进的VGG16模型进行特征提取，使提取出的特征点有足够抽象性、较高的定位精度；然后对提取出的特征图进行关键点筛选，以避免特征不够显著的特征图的干扰，不仅提高了匹配的准确性，还提高了数据处理效率；同时采用动态适应距离法对待筛选匹配对进行筛选，根据数据特点自动配置，能够筛选出的优质的匹配对，提高了异源遥感影像的匹配性能。并利用多组异源遥感影像对本发明进行了测试，结果表明本发明具有很强的适应性和稳健性，且在适应性以及匹配点数量、分布、效率等方面都优于DELF算法，提高了异源以及差异较大的遥感影像的稳健匹配性。
-
公开(公告)号：CN111506759B
公开(公告)日：2023-10-24
申请号：CN202010144544.0
申请日：2020-03-04
Applicant: 中国人民解放军战略支援部队信息工程大学
IPC: G06F16/583 , G06F16/55 , G06N3/0464 , G06N3/08 , G06V10/40 , G06V10/74 , G06V10/774 , G06V10/764
Abstract: 本发明涉及一种基于深度特征的影像匹配方法及装置，属于深度学习和图像处理技术领域。本发明采用的预训练的卷积神经网络来构建基准影像深度特征数据库，使得在训练样本不足时，能够利用预训练卷积神经网络对图像深度特征进行有效提取，从而提高基准影像深度特征数据库中特征的有效性，以此提高图像匹配的鲁棒性。
-
公开(公告)号：CN111506759A
公开(公告)日：2020-08-07
申请号：CN202010144544.0
申请日：2020-03-04
Applicant: 中国人民解放军战略支援部队信息工程大学
Abstract: 本发明涉及一种基于深度特征的影像匹配方法及装置，属于深度学习和图像处理技术领域。本发明采用的预训练的卷积神经网络来构建基准影像深度特征数据库，使得在训练样本不足时，能够利用预训练卷积神经网络对图像深度特征进行有效提取，从而提高基准影像深度特征数据库中特征的有效性，以此提高图像匹配的鲁棒性。
-
-
-
-
Search Results
5
records
(took 0.029 seconds)
