公开(公告)号：CN118691877A

公开(公告)日：2024-09-24

申请号：CN202410700827.7

申请日：2024-05-31

Applicant: 北京卫星信息工程研究所

Inventor： 李梓桢 ,  贺广均 ,  金世超 ,  冯鹏铭 ,  符晗 ,  陈元伟 ,  田路云 ,  刘斌霄 ,  杨云超

IPC: G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06V10/77 ,  G06N3/0464

Abstract: 本发明涉及一种高分遥感图像目标状态判别方法、设备及存储介质，包括：利用全景分割网络对高分遥感图像进行全景分割，得到高分遥感图像全景分割图像；根据高分遥感图像全景分割图像中地物目标之间的空间关系生成场景知识图谱；设计基于全景分割图像的遥感地物目标位置编码方法，将地物目标的位置编码加入到对应场景知识图谱中，得到包含位置信息的场景知识图谱；基于预先设定的先验规则知识，对关注目标进行状态的预先判别；构建基于混合卷积的目标动向判别网络，利用目标动向判别网络对经过预判别的场景知识图谱进行计算，得到关注目标的状态判别结果。本发明，能够实现遥感关注地物目标的状态判别。

公开(公告)号：CN118735969A

公开(公告)日：2024-10-01

申请号：CN202410739942.5

申请日：2024-06-07

Applicant: 北京卫星信息工程研究所

Inventor： 刘世烁 ,  王轲 ,  陈昊 ,  冯鹏铭 ,  贺广均 ,  陈元伟 ,  陈千千 ,  田路云 ,  刘斌霄

IPC: G06T7/33 ,  G06V10/764 ,  G06V10/77 ,  G06V10/80 ,  G06V10/20 ,  G06V10/40 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明涉及一种基于表示学习的高光谱遥感影像配准方法，包括：获取高光谱遥感卫星拍摄一组高光谱图像，并对其进行预处理；构建对抗生成网络，并对不同波段范围进行多波段特征学习和特征映射；构建多波段结构化语义的CNN‑RNN混合神经网络深度表达模型，提取每个波段高光谱图像的结构语义信息；建立跨波段的特征对齐和特征关联的网络模型，进行不同波段间影像的匹配。本发明，能够提高高光谱遥感影像配准的精度，更能大大节省配准的效率，节省人力物力。

公开(公告)号：CN119810429A

公开(公告)日：2025-04-11

申请号：CN202510299055.5

申请日：2025-03-13

Applicant: 北京卫星信息工程研究所

Inventor： 张拯宁 ,  杨云超 ,  冯鹏铭 ,  陈元伟 ,  贺广均 ,  张泽根 ,  上官博屹 ,  梁颖 ,  刘斌霄

IPC: G06V10/25 ,  G06V20/10 ,  G06V20/70 ,  G06V10/44 ,  G06V10/52 ,  G06V10/42 ,  G06V10/77 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及一种基于层级知识引导的可见光遥感图像目标细粒度检测方法，包括：获取可见光遥感图像数据，构建多语义层级的标签体系；提取可见光遥感图像特征，通过RPN网络生成多尺度感兴趣区域特征；对多尺度的感兴趣区域特征采用多支路提取多层级的语义特征；对多层级的语义特征进行相邻层级的局部‑全局特征融合，得到增强特征；使用多个层级标签监督多层级分类，在第一语义层级监督回归；在推理阶段精简网络结构，提高推理速度。本发明，针对可见光遥感图像中的多类目标，实现了目标细粒度检测过程中的层级关系及信息的注入，结合多层特征融合，增强网络对目标的共有特征和细粒度特征的提取和学习。

公开(公告)号：CN119445380A

公开(公告)日：2025-02-14

申请号：CN202411502090.4

申请日：2024-10-25

Applicant: 北京卫星信息工程研究所

Inventor： 陈千千 ,  符晗 ,  贺广均 ,  李梓桢 ,  冯鹏铭 ,  杨莹 ,  田路云 ,  上官博屹 ,  刘斌霄

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/26 ,  G06V10/80 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种基于遥感影像的建筑物智能提取方法：步骤S1、获取高分辨率数据集；步骤S2、设计基于编码‑解码结构的遥感影像建筑物语义分割网络，包括特征提取骨架网络和语义分割解码器；步骤S3、设计基于生成对抗网络的遥感影像建筑物DSM估计网络，包括DSM生成器和DSM判别器，DSM生成器包括DSM生成器编码器和DSM生成器解码器；步骤S4、设计特征融合与加强模块；步骤S5、设计损失函数；步骤S6、根据高分辨率数据集和损失函数，训练优化遥感影像建筑物智能提取网络；步骤S7、通过训练完成的遥感影像建筑物智能提取网络进行基于遥感影像的建筑物智能提取。本发明的方法解决了DSM获取代价昂贵的问题，有效改善提取遥感影像中的建筑物的性能。

公开(公告)号：CN118628357A

公开(公告)日：2024-09-10

申请号：CN202410803466.9

申请日：2024-06-20

Applicant: 北京卫星信息工程研究所

Inventor： 梁颖 ,  刘斌霄 ,  焦典 ,  陈元伟 ,  纪骁宵 ,  宿南 ,  闫奕名 ,  贺广均 ,  符晗

IPC: G06T3/4076 ,  G06V10/58 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/0455 ,  G06V10/82 ,  G06V10/80

Abstract: 本发明涉及一种基于transformer的跨模态融合高光谱图像超分重建方法，包括：基于场景匹配的RGB图像和高光谱图像，获得融合token序列；采用随机掩膜机制对视觉transformer的编码器和解码器进行联合训练，完成特征重构；步骤S3、构建基于解码器重构的图像与真值图像的相似度的损失函数，对视觉transformer的编码器和解码器进行优化；利用图像重建模块对优化后的视觉transformer的编码器提取的特征进行超分重建。本发明，降低了高光谱图像超分重建的对于数据强配准的要求，扩展了该技术的应用场景，同时空间分辨率提升后的高光谱数据有利于优化下游任务算法的性能，从增强数据的角度降低模型的设计难度，使高光谱数据能够适配于更多的遥感领域任务。