-
公开(公告)号：CN117746079A
公开(公告)日：2024-03-22
申请号：CN202311535635.7
申请日：2023-11-15
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V20/10 , G06V10/26 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/088
Abstract: 本发明提供了一种高光谱图像的聚类预测方法、系统、存储介质及设备，涉及图像处理技术领域，该方法包括：获取目标区域的高光谱图像；分割所述高光谱图像，生成超像素块；分别提取所述高光谱图像的像素特征和所述超像素块的超像素特征；采用对比学习算法分别提取所述像素特征的深度像素特征和所述超像素特征的深度超像素特征；采用K均值算法聚类所述深度像素特征和所述深度超像素特征，生成伪标签结果；采用所述K均值算法聚类所述伪标签结果，生成所述目标区域的地物标签。通过本发明的高光谱图像的聚类预测方法，不需要人工标注，可对像素级图像或超像素级图像进行聚类预测，得到噪声少、聚类效果好、高精度的聚类预测结果。
-
公开(公告)号：CN116524369B
公开(公告)日：2023-11-17
申请号：CN202310414490.9
申请日：2023-04-18
Applicant: 中国地质大学(武汉)
IPC: G06V20/13 , G06V20/10 , G06V10/774 , G06V10/26 , G06V10/82 , G06V10/776 , G06V10/764 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了遥感影像分割模型构建方法、装置及遥感影像解译方法，涉及图像处理领域，遥感影像分割模型构建方法包括：获取原始多光谱影像，并对原始多光谱影像进行超像素分割，以得到超像素分割结果；对所述超像素分割结果进行特征提取，以得到初始超像素特征和初始超像素标签；获取类别共现矩阵；根据超像素分割结果构建拓扑图，并将类别共现矩阵融合到拓扑图中以得到初始拓扑图；根据超像素分割结果构建初始特征图，并根据初始特征图、初始超像素特征、初始拓扑图和初始超像素标签对原始分割模型进行训练及调优得到遥感影像分割模型。解决了在利用多光谱遥感图像对土地覆盖进行分类时因忽略不同局部区域的长程空间关系，导致边界信息丢失问题。
-
公开(公告)号：CN111159310B
公开(公告)日：2023-09-29
申请号：CN201911280551.7
申请日：2019-12-13
Applicant: 中国地质大学(武汉)
IPC: G06F16/28 , G06F16/26 , G06F16/951 , G06F16/955
Abstract: 本发明公开了一种可扩展的、带有信息增益策略的图像生成时空融合算法，该方法包括以下步骤：采用Cycle‑GAN模拟图像的时序，获得多个可用的数据集，生成多级迭代图像；依据参考信息挑选图像与预测时的图像相似的所述多级迭代图像；获取所述多级迭代图像的增益信息，发送增益信息到带有空间信息的预测时刻k的低分辨率图像；获取小波变换挑选出来的图像信息，预测时空融合中的空间信息。Cycle‑GAN模拟时序过程的思路及对抗学习的方法有助于对时序高分图像做出合理的预测且生成的图像，有助于生成图像包含更多的低分图像中没有的增益信息，为时空融合引入新的增益信息提供了帮助。
-
公开(公告)号：CN113850202A
公开(公告)日：2021-12-28
申请号：CN202111142946.8
申请日：2021-09-28
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于深度学习的半监督高光谱影像混合像元分解方法，该方法包括：手工获取端元光谱数据；对光谱数据降维，光谱数据维数降至与端元数目相等；将降维后的光谱数据通过光谱重构层，得到重构的像元光谱；最小化重构的像元光谱与输入的光谱之间的误差，更新网络参数。通过手工选取端元光谱，获得更为准确的端元初始值，加速模型收敛，获得更为精确的丰度值；通过利用较深的深度学习网络模型，提取更深层次的特征信息，学习像元光谱内在的相关性；通过使用全连接层将数据与线性混合模型结合，并通过初始化网络参数来加速模型收敛，提升分解精度；通过余弦相似度来度量输入输出数据的相似性，获得更高的计算效率和精度。
-
公开(公告)号：CN118351341A
公开(公告)日：2024-07-16
申请号：CN202410236075.3
申请日：2024-03-01
Applicant: 中国地质大学(武汉)
IPC: G06V10/762 , G06V10/774 , G06V10/54 , G06V10/42 , G06V10/82 , G06N3/042
Abstract: 本发明提供一种高光谱图像子空间聚类方法及系统，涉及遥感图像处理技术领域，所述方法包括：根据待聚类高光谱图像的空谱特征和纹理特征得到待聚类高光谱图像的特征视图；将进行数据增强后的空谱特征视图和纹理特征视图输入图卷积神经网络得到空谱特征视图和纹理特征视图分别对应的节点表征和全局表示；根据空谱特征视图和纹理特征视图对应的全局表示和节点表征，进行多层级对比学习得到待聚类高光谱图像的图嵌入；根据图嵌入得到待聚类高光谱图像的自表达系数矩阵；根据自表达系数矩阵构建亲和矩阵，并根据亲和矩阵进行谱聚类。本申请通过深层特征学习和多层级对比学习，提取和融合空谱和纹理信息，确保了特征表达的充分性和聚类任务的精确性。
-
Patent Agency Ranking
公开(公告)号：CN116740410B
公开(公告)日：2024-01-30
申请号：CN202310434291.4
申请日：2023-04-21
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备，涉及目标检测技术领域，包括：根据原始图像获取双模态图像；通过神经网络模块提取双模态图像的特征，得到初始双模态特征，并利用特征互补模块对双模态图像进行处理得到植被归一化指数；将初始双模态特征发送给特征互补模块，令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强；将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果；将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失；根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优
-
公开(公告)号：CN116977750B
公开(公告)日：2023-12-12
申请号：CN202311234948.9
申请日：2023-09-25
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/26 , G06V20/70 , G06V20/10 , G06V10/80 , G06V10/58 , G06V10/56 , G06V10/422 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 度，能够确保矿区土地覆盖精细化场景分类的精本发明公开一种土地覆盖场景分类模型构 度及可靠性。建方法及分类方法，包括：获取遥感图像集，遥感图像集中的遥感图像中包括土地覆盖场景；将遥感图像输入至构建的初始分类模型中，对初始分类模型进行训练，得到目标分类模型；初始分类模型及目标分类模型包括关联的语义分割模型、残差神经网络模型及图神经网络模型。本发明构建的基于语义分割与多级输出的残差神经网络‑图神经网络搭建的目标分类模型，在对输入的遥感图像进行处理时，由于残差神经网络及图神经(56)对比文件黄滢 等.极化自注意力调控的情景式视频实例多尺度分割《.计算机学报》.2022,第45卷第2605-2618页.Haoyi Wang et al..Edge EnhancedChannel Attention-Based Graph ConvolutionNetwork for Scene Classification ofComplex Landscapes《.IEEE Journal ofSelected Topics in Applied EarthObservations and Remote Sensing》.2023,第16卷第3831-3849页.Song Ouyang et al..Combining DeepSemantic Segmentation Network and GraphConvolutional Neural Network for SemanticSegmentation of Remote Sensing Imagery.《Remote Sensing》.2020,第13卷全文.李万琦;李克俭;陈少波.多模态融合的高分遥感图像语义分割方法.中南民族大学学报(自然科学版).2020,(04),全文.
-
公开(公告)号：CN113554356B
公开(公告)日：2023-06-20
申请号：CN202111095651.X
申请日：2021-09-18
Applicant: 中国地质大学(武汉)
IPC: G06Q10/0631 , G06Q50/26 , G06N3/0464
Abstract: 本发明公开了一种基于多模型融合的人口分布估计方法、装置及存储介质，所述方法包括：将人口分布估计区域划分为多个地理单元；获取每个地理单元的人口分布影响因子；基于地理单元之间的邻接关系生成一阶邻接矩阵，分别根据每个地理单元的人口分布影响因子和每个地理单元的一阶邻接矩阵生成每个地理单元的多源空间表示数据；分别将每个地理单元的多源空间表示数据和人口分布影响因子作为预置的人口分布估计模型的输入，由人口分布估计模型分别输出每个地理单元的人口估计值，其中，人口分布估计模型包括空间矩阵特征编码模型、全局属性特征编码模型、数据融合模型及分类器模型。本发明考虑了空间信息和属性信息，能取得很好的人口分布估计效果。
-
公开(公告)号：CN111161199A
公开(公告)日：2020-05-15
申请号：CN201911280557.4
申请日：2019-12-13
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种空谱融合的高光谱影像混合像元低秩稀疏分解方法，该方法包括以下步骤：归一化高光谱影像数据，采用线性迭代聚类法，生成超像素；查找超像素的局部块的丰度矩阵，构造低秩约束表达项，加入全变分空间正则项，加入数据保真项，获得目标函数；引入若干辅助变量构建分裂目标函数，采用增广拉格朗日转化有约束的优化问题为无约束的优化问题；采用交替迭代算法求解目标函数，获得评估确认的丰度图。通过采用该方法，得到的空间信息比像元间简单的位置关系更加准确，提取出了丰度矩阵的局部细节特征，促进丰度矩阵的平滑性，使得整个丰度图具备全局特征，使得目标函数分裂，同时使得算法快速收敛，获得更精确的目标解。
-
公开(公告)号：CN116721301B
公开(公告)日：2023-10-24
申请号：CN202310999943.9
申请日：2023-08-10
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.025 seconds)
