-
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
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:CN116486265A
公开(公告)日:2023-07-25
申请号:CN202310468626.4
申请日:2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/766 , G06V10/422 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法,包括:构建并训练基于Mask R‑CNN的目标定位与分割模型,对遥感图像中的飞机目标进行检测与分割;对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形,将轮廓多边形的线段作为节点,将线段的几何特征和线段对应部件的卷积特征作为节点属性,并根据线段间的空间关系构建图结构数据;构建融合几何特征和卷积特征的图卷积神经网络模型;利用所述图结构数据训练所述图卷积神经网络模型,对描述飞机形状特征和部件特征的图结构进行整图分类,实现飞机目标的细粒度识别。通过实施本发明的上述方案,通过综合利用飞机目标的形状特征和部件特征提高飞机细粒度识别的精度。
-
公开(公告)号:CN116486265B
公开(公告)日:2023-12-19
申请号:CN202310468626.4
申请日:2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/766 , G06V10/422 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法,包括:构建并训练基于Mask R‑CNN的目标定位与分割模型,对遥感图像中的飞机目标进行检测与分割;对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形,将轮廓多边形的线段作为节点,将线段的几何特征和线段对应部件的卷积特征作为节点属性,并根据线段间的空间关系构建图结构数据;构建融合几何特征和卷积特征的图卷积神经网络模型;利用所述图结构数据训练所述图卷积神经网络模型,对描述飞机形状特征和部件特征的图结构进行整图分类,实现飞机目标的细粒度识别。通过实施本发明的上述方案,通过综合利(56)对比文件US 2020285944 A1,2020.09.10US 2022343537 A1,2022.10.27瑚敏君 等.基于实例分割模型的建筑物自动提取《.测绘通报》.2020,(第4期),第16-20页.
-
公开(公告)号:CN116524368A
公开(公告)日:2023-08-01
申请号:CN202310403716.5
申请日:2023-04-14
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及遥感图像目标检测方法,包括获取至少一幅包含待测目标的卫星遥感图像,利用卷积神经网络提取卫星遥感图像的多尺度特征,根据嵌入掩膜引导特征金字塔网络学习前景目标区域的特征,并生成用于提取原始图像中疑似目标区域的旋转候选框,利用旋转RoIAlign对齐操作对疑似目标区域进行特征提取,将提取到的特征送入由Smooth‑L1回归损失和角边距分类损失组成的有向检测头进行分类识别与回归定位。本发明提升了目标检测方法对港口等复杂背景的抗干扰能力,减少了云雾、形似干扰物造成的虚警,提高了目标检测的识别精度,可应用于高分辨率遥感图像中的船只、飞机等目标识别。
-
公开(公告)号:CN116524368B
公开(公告)日:2023-12-19
申请号:CN202310403716.5
申请日:2023-04-14
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及遥感图像目标检测方法,包括获取至少一幅包含待测目标的卫星遥感图像,利用卷积神经网络提取卫星遥感图像的多尺度特征,根据嵌入掩膜引导特征金字塔网络学习前景目标区域的特征,并生成用于提取原始图像中疑似目标区域的旋转候选框,利用旋转RoIAlign对齐操作对疑似目标区域进行特征提取,将提取到的特征送入由Smooth‑L1回归损失和角边距分类损失组成的有向检测头进行分类识别与回归定位。本发明提升了目标检测方法对港口等复杂背景的抗干扰能力,减少了云雾、形似干扰物造成的虚警,提高了目标检测的识别精度,可应用于高分辨率遥感图像中的船只、飞机等目标识别。(56)对比文件Pengming Feng等.Embranchment CnnBased Local Climate Zone ClassificationUsing Sar And Multispectral RemoteSensing Data.IGARSS 2019 - 2019 IEEEInternational Geoscience and RemoteSensing Symposium.2019,全文.Jiankang Deng等.ArcFace: AdditiveAngular Margin Loss for Deep FaceRecognition.2019 IEEE/CVF Conference onComputer Vision and Pattern Recognition(CVPR).2020,全文.
-
-
-
-