-
公开(公告)号：CN116486160B
公开(公告)日：2023-12-19
申请号：CN202310457860.7
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/048 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于光谱重建的高光谱遥感图像分类方法、设备及存储介质，基于光谱重建的高光谱遥感图像分类方法包括：步骤S1、对高光谱遥感图像进行数据降维；步骤S2、构建输入样本；步骤S3、建立基于光谱重建任务的自监督预训练网络，通过无标注样本训练特征提取主干网络；步骤S4、基于预训练阶段的特征提取主干网络构建高光谱遥感图像的分类网络，通过标注样本训练分类网络，完成逐像素的分。本发明，能够在小样本情况下显著提升高光谱遥感图像分类准确率并具有较快的模型训练速度，对实际应用具有重要意义。
-
公开(公告)号：CN116486160A
公开(公告)日：2023-07-25
申请号：CN202310457860.7
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所 , 哈尔滨工程大学
IPC: G06V10/764 , G06V10/82 , G06V20/10 , G06N3/048 , G06N3/0455 , G06N3/0895
Abstract: 本发明涉及一种基于光谱重建的高光谱遥感图像分类方法、设备及存储介质，基于光谱重建的高光谱遥感图像分类方法包括：步骤S1、对高光谱遥感图像进行数据降维；步骤S2、构建输入样本；步骤S3、建立基于光谱重建任务的自监督预训练网络，通过无标注样本训练特征提取主干网络；步骤S4、基于预训练阶段的特征提取主干网络构建高光谱遥感图像的分类网络，通过标注样本训练分类网络，完成逐像素的分。本发明，能够在小样本情况下显著提升高光谱遥感图像分类准确率并具有较快的模型训练速度，对实际应用具有重要意义。
-
公开(公告)号：CN116450632B
公开(公告)日：2023-12-19
申请号：CN202310421521.3
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/215 , G06F16/29
Abstract: 本发明涉及一种地理样本数据质量评估方法、设备及存储介质，地理样本数据质量评估方法包括：分析多应用层级的地理人工智能样本数据的质量特征，建立多应用层级的样本数据质量指标体系；确定进行质量评估的地理人工智能样本数据集的特征与质量规范；确定进行质量评估的地理人工智能样本数据集的质量评估规范；执行地理人工智能样本数据质量评估，获取质量评估结果；基于质量评估结果，生成地理人工智能样本数据质量评估报告。本发明，能够满足像素级、目标级、场景级多应用层级的地理人工智能样本数据的质量评估需求，为地理人工智能样本数据的质量评估提供系统性参考，从而帮助提高样本数据的可靠性。
-
公开(公告)号：CN116630820A
公开(公告)日：2023-08-22
申请号：CN202310530434.1
申请日：2023-05-11
Applicant: 北京卫星信息工程研究所
IPC: G06V20/13 , G06V10/26 , G06V10/32 , G06V10/44 , G06V10/762 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种光学遥感数据星上并行处理方法与装置，所述装置包括：主控与预处理模块(100)，用于通过星务轮询方式获取光学遥感数据并进行预处理与切片处理；至少一个数据处理模块(200)，用于对所述预处理与切片处理后的光学遥感数据进行目标的并行检测识别或语义分割，再将结果回传至所述主控与预处理模块(100)；电源模块(300)，用于对所述主控与预处理模块(100)和所述数据处理模块(200)上电；背板(400)，用于连接所述主控与预处理模块(100)、所述数据处理模块(200)和所述电源模块(300)。通过实施本发明的上述方案，可用于光学遥感卫星数据的在轨并行处理，从而实现目标的在轨实时检测识别以及光学遥感数据的在轨实时语义分割。
-
公开(公告)号：CN115019184B
公开(公告)日：2023-02-07
申请号：CN202210900866.2
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于遥感影像的石漠化程度自动分级方法及装置，该方法包括：获取石漠化区域的原始遥感影像和高程数据，并进行预处理；利用处理后的遥感影像反演所述石漠化区域的基岩裸露率和植被覆盖度，利用处理后的高程数据计算坡度数据；将所述基岩裸露率、所述植被覆盖度、所述坡度数据和所述原始遥感影像进行融合，得到样本数据，对所述样本数据的石漠化程度进行等级区分和标注，获得标签文件；构建CKRD‑DNN模型，并利用所述样本数据和所述标签文件进行训练；利用训练好的CKRD‑DNN模型对待分级的石漠化区域遥感影像进行识别和判定，得到分级结果。本发明可以实现大范围石漠化区域不同发育程度石漠化的高效自动分级和判定。
-
Patent Agency Ranking
公开(公告)号：CN115115939A
公开(公告)日：2022-09-27
申请号：CN202210899281.3
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于特征注意力机制的遥感图像目标细粒度识别方法，包括：对原始遥感图像的目标数据和目标特征数据进行标注；对所述原始遥感图像、所述标注的目标数据和目标特征数据进行处理和增强，获得三组数据集；构建目标‑特征注意力模型；将处理和增强后的三组数据集输入所述目标‑特征注意力模型进行训练，利用训练好的目标‑特征注意力模型完成所述原始遥感图像中的目标细粒度的型号级识别。本发明可以实现遥感影像飞机等目标的高精度精细化型号级识别。
-
公开(公告)号：CN115100652A
公开(公告)日：2022-09-23
申请号：CN202210921803.5
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于高分遥感图像的电子地图自动化生成方法，包括：建立全景分割模型，利用全景分割模型提取遥感图像的特征，生成遥感图像特征图；利用全景分割模型的实例分割分支对遥感图像特征图的目标进行实例标注，利用全景分割模型的语义分割分支对遥感图像特征图的地物要素进行语义标注，获得实例标签和语义标签；对实例标签和语义标签进行空间层级排序，获取每个标签的像素排序得分；利用像素排序得分为基准生成全景分割图像；利用边缘优化算法对全景分割图像进行优化；利用位图矢量化成图方法对优化后的全景分割图像生成电子地图。本发明可由高分辨率遥感影像生成电子地图，提升对目标实例分割和地物要素边缘的提取和优化能力。
-
公开(公告)号：CN115019183A
公开(公告)日：2022-09-06
申请号：CN202210900359.9
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于知识蒸馏和图像重构的遥感影像模型迁移方法，包括：在样本充足和标注完整的数据集A中训练第一目标检测模型，获得教师模型；利用知识蒸馏对所述教师模型进行压缩，获得学生模型，并在样本不足的数据集B中进行训练；利用训练后的学生模型对与所述数据集B的数据类型相同的待测试数据进行判别，获得第一判别结果；重构所述待测试数据，使所述待测试数据与所述数据集A的数据类型相同，利用所述教师模型对重构后的待测试数据进行判别，获得第二判别结果；将所述第一判别结果和所述第二判别结果的全连接层进行加权融合，获得用于判别所述待测试数据的第二目标检测模型。该方法可实现不同类型遥感影像的模型迁移。
-
公开(公告)号：CN114998749A
公开(公告)日：2022-09-02
申请号：CN202210900855.4
申请日：2022-07-28
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及一种用于目标检测的SAR数据扩增方法，包括：获取原始SAR图像数据集及其标注信息；对所述原始SAR图像数据集进行目标检测，结合所述标注信息，构建负样本集；利用所述标注信息获得所述原始SAR图像数据集中的目标样本，构建方位角目标样本集；构建基于自注意力机制的生成对抗网络，利用所述负样本集和所述方位角目标样本集对所述生成对抗网络进行迭代训练；评估所述生成对抗网络生成的样本质量，获得高质量的生成样本；在所述原始SAR图像数据集中插入所述高质量的生成样本，以及对应的标注信息。本发明实现SAR数据的自动扩增，提升SAR图像目标识别任务训练集中目标样本的多样性和均衡性。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.042 seconds)
