-
公开(公告)号：CN116630794B
公开(公告)日：2024-02-06
申请号：CN202310457764.2
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: G06V20/10 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/764 , G06T7/73 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于排序样本选择的遥感图像目标检测方法、电子设备，获取遥感图像及对应的目标标签，并进行预处理；通过特征提取主干网络以及特征金字塔网络，得到对应的多尺度特征图；构建分类分支网络以及位置及角度回归分支网络，对多尺度特征图进行预测，获得目标预测值；利用目标标签以及预测值，在多尺度特征图上计算得到交并比自适应阈值，筛选样本点以获得满足条件的正负样本；计算分类排序损失、定位排序损失以及回归损失进行网络训练；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，缓解正负样本不均衡导致传统分类能力难以学习的问题，促进目标检测性能提升，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN116630794A
公开(公告)日：2023-08-22
申请号：CN202310457764.2
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: G06V20/10 , G06V10/77 , G06V10/80 , G06V10/766 , G06V10/764 , G06T7/73 , G06V10/82 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于排序样本选择的遥感图像目标检测方法、电子设备，获取遥感图像及对应的目标标签，并进行预处理；通过特征提取主干网络以及特征金字塔网络，得到对应的多尺度特征图；构建分类分支网络以及位置及角度回归分支网络，对多尺度特征图进行预测，获得目标预测值；利用目标标签以及预测值，在多尺度特征图上计算得到交并比自适应阈值，筛选样本点以获得满足条件的正负样本；计算分类排序损失、定位排序损失以及回归损失进行网络训练；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，缓解正负样本不均衡导致传统分类能力难以学习的问题，促进目标检测性能提升，对高分辨率遥感图像旋转框目标检测具有重要意义。
-
公开(公告)号：CN119414423A
公开(公告)日：2025-02-11
申请号：CN202411540828.6
申请日：2024-10-31
Applicant: 北京卫星信息工程研究所
Abstract: 本发明提供了一种天基GNSS‑S与光学协同土壤湿度监测系统，由地面测控与数据处理中心通过北斗短报文接收来自地基土壤湿度监测模块测量的实际土壤湿度信息，然后将低轨土壤湿度监测卫星一定时间内的观测数据与实测土壤湿度信息进行时空匹配后，通过深度学习方法训练GNSS‑S观测量特征、基于光学数据提取的植被参数与实测土壤湿度信息的映射模型，然后将该映射模型上传至低轨土壤湿度监测卫星，从而基于观测数据实现土壤湿度的在轨协同智能实时反演。如此，本发明具有土壤湿度反演精度高、实时性强、监测范围广、可靠性高、系统成本低等有益效果。
-
公开(公告)号：CN119335567A
公开(公告)日：2025-01-21
申请号：CN202411540837.5
申请日：2024-10-31
Applicant: 北京卫星信息工程研究所
Abstract: 本发明提供了一种天地协同GNSS‑S海面风浪探测系统，由GNSS‑S卫星、海上浮标、地面处理站以及全球用户组成，地面处理站将GNSS‑S卫星一段时间内的观测数据与海上浮标测量的风浪数据进行时空匹配后，通过深度学习训练GNSS‑S观测量特征与实测风浪数据的映射模型，再将训练完成的映射模型上传至GNSS‑S卫星，从而使得GNSS‑S卫星基于观测数据和所述映射模型实现对海面风浪信息的在轨智能实时反演，并将反演结果播发给全球用户。如此，本发明具有海面风浪参数反演精度高、实时性强、覆盖范围广、可靠性高且成本低等有益效果。
-
公开(公告)号：CN115792995B
公开(公告)日：2024-02-06
申请号：CN202211517073.9
申请日：2022-11-29
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于星载GNSS‑S的目标探测系统及方法，包括：对天GNSS直达信号处理单元，用于接收导航卫星的直达信号，并输出自身平台参数信息以及根据直达信号输出相应的导航卫星信息，导航卫星信息包括电文比特信息；对海GNSS散射信号处理单元，用于接收直达信号经海面目标区域的散射信号，及确定目标区域的信息；直散信号同步转换单元，用于根据导航卫星信息及平台参数信息，确定直达信号和散射信号之间时间同步所需的时间同步信息、距离向压缩所需的参考信号以及方位相参累积所需的相位补偿因子并输出至对海GNSS散射信号处理单元；其中，对海GNSS散射信号处理单元根据直散信号同步转换单元的输出信息确定目标区域的信息。可有效提高目标回波信号信噪比。
-
Patent Agency Ranking
公开(公告)号：CN116486169B
公开(公告)日：2023-12-19
申请号：CN202310477115.9
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V10/26 , G06V10/762 , G06F16/36 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及遥感图像目标动向判别方法，包括：S100，对遥感图像进行全景分割标注和目标行为动向标注，确定目标动向知识图谱；S200，基于遥感图像建立全景分割模型，以ResNet作为特征提取主干网络，并引入交叉注意力模块提取长距上下文信息；S300，根据全景分割网络中的实例分割分支对遥感图像进行实例级分割，根据全景分割网络中的语义分割分支对遥感图像进行语义级分割；S400，引入基于贝叶斯决策的分支融合模块，对实例分割分支和语义分割分支的结果进行决策融合，生成全景分割图像；S500，将全景分割图像进行像素聚类生成场景信息知识图谱；S600，根据图注意力网络，对场景信息知识图谱中的关注目标进行动向判别。本发明可推理遥感图像中目标的行为动向信息。
-
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：CN116563680A
公开(公告)日：2023-08-08
申请号：CN202310493846.2
申请日：2023-05-05
Applicant: 北京卫星信息工程研究所
IPC: G06V10/80 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10
Abstract: 本发明涉及一种基于高斯混合模型的遥感图像特征融合方法、电子设备，通过特征提取主干网络提取输入遥感图像特征，得到不同层级位置的特征图；构建特征融合网络并对不同层级位置的特征图进行融合，获得遥感图像目标的多特征图；构建多个高斯混合模型拟合多特征图，获得高斯混合模型的参数；对多个高斯混合模型进行加权平均融合，利用融合后的高斯混合模型生成数据并与原始特征图拼接；利用融合特征图输入目标检测网络的检测头，进行遥感图像检测，计算分类、位置预测损失；重复执行上述步骤，训练检测模型；利用检测模型进行检测。本发明，提升了模型分类和定位出遥感图像中的感兴趣目标的能力，提高遥感图像目标定位准确性，提高模型检测能力。
-
公开(公告)号：CN116403007A
公开(公告)日：2023-07-07
申请号：CN202310390010.X
申请日：2023-04-12
Applicant: 北京卫星信息工程研究所
IPC: G06V10/74 , G06V10/62 , G06V10/82 , G06V20/10 , G06V10/766 , G06V10/764 , G06V10/80
Abstract: 本发明涉及一种基于目标向量的遥感影像变化检测方法，包括：使用向量对遥感序列影像进行样本标注；构建目标向量检测模型，将已标注的遥感序列影像输入所述目标向量检测模型进行训练；利用所述目标向量检测模型对同一区域不同时间的遥感影像中的所有目标进行检测，得到不同集合的目标向量；利用变化相似度算法计算不同集合中目标向量的相似度距离，获得目标的变化情况。通过实施本发明的上述方案，可以实现遥感影像中目标变化前后的高精度匹配和精细化的变化检测。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.042 seconds)
