-
公开(公告)号：CN114187221A
公开(公告)日：2022-03-15
申请号：CN202111513619.9
申请日：2021-12-13
Applicant: 北京环境特性研究所
IPC: G06T5/50 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于自适应权重学习的红外与可见光图像融合方法，基于像素级注意力机制与融合权重自适应生成构建了深度特征自适应提取模块，并通过跨层级级联方式基于深度特征自适应提取模块搭建了生成器网络；基于孪生网络思想，搭建了双通道鉴别器网络；将红外与可见光图像进行初步的连接操作后输入至生成器后生成融合图像，通过生成器与判别器的博弈对抗完成红外图像与可见光图像的融合生成；本发明融入了像素级注意力机制以及层次级联思想，能够降低网络参数量的情况下增强网络深度特征提取能力，提高红外与可见光图像的融合图像生成质量，实现了红外图像与可见光图像的融合增强。
-
公开(公告)号：CN117036975A
公开(公告)日：2023-11-10
申请号：CN202311002153.5
申请日：2023-08-09
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/50 , G06V10/54 , G06T7/11 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种SAR图像的目标识别方法及装置，其中方法包括：获取待识别SAR图像；提取所述待识别SAR图像的定量语义特征和图像特征；基于预先构建的定量语义特征与定性语义特征的语义映射关联，将所述待识别SAR图像的定量语义特征映射为所述待识别SAR图像的定性语义特征；对所述待识别SAR图像的图像特征、定量语义特征和定性语义特征分别进行编码，并对分别编码后的特征进行特征融合，以根据特征融合结果输出对所述待识别SAR图像的目标识别结果。本方案，能够提高SAR图像目标识别的准确性。
-
公开(公告)号：CN119669275A
公开(公告)日：2025-03-21
申请号：CN202411729201.5
申请日：2024-11-28
Applicant: 北京环境特性研究所
IPC: G06F16/2453 , G06F16/242 , G06F16/2455
Abstract: 本发明公开了一种面向电磁散射领域的混合数据调用方法及装置，属于数据存储领域。方法包括：对获取的运动目标的采集数据进行分类处理；将分类结果进行索引和查询优化后存储到复合数据库中；根据统一接口的查询指令调取复合数据库中所有与待查询目标有关联的数据。本发明能够实现电磁散射数据的高效存储、查询和管理，并提升对复杂数据的处理能力。
-
Patent Agency Ranking
公开(公告)号：CN115797171A
公开(公告)日：2023-03-14
申请号：CN202211430211.X
申请日：2022-11-15
Applicant: 北京环境特性研究所
Abstract: 本发明实施例涉及图像处理技术领域，特别涉及一种合成图像的生成方法、装置、电子设备及存储介质，方法包括：基于Alpha透明蒙版标注法，生成由前景目标和背景图像组成的第一图像以及所述前景目标在所述第一图像中的前景目标掩码；利用编解码网络提取所述第一图像的背景特征以及所述前景目标掩码的目标特征，并将所述背景特征和所述目标特征进行融合，生成和谐化的第二图像；利用阴影生成对抗网络为所述第二图像中的前景目标生成阴影，生成目标图像。本方案，能够提高合成图像的质量。
-
公开(公告)号：CN113989474B
公开(公告)日：2024-08-06
申请号：CN202111498806.4
申请日：2021-12-09
Applicant: 北京环境特性研究所
IPC: G06V10/143 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0475 , G06N3/045
Abstract: 本发明涉及一种基于递进式层级融合网络的红外小目标智能识别方法，利用双波段红外在成像信息上的互补性，从数据维进行数据融合增强，提高神经网络用于红外小目标识别的可用信息量；从嵌入式应用部署出发构建双波段红外数据融合与目标检测一体化神经网络，充分利用网络中不同组件间参数的权值共享，增强数据间的耦合效应，降低网络模型整体计算复杂度；以双波段红外数据融合为基础，设计了建面向红外弱小目标检测识别的像素级—特征级—决策级递进式多级融合的一体化神经网络架构，实现了高效的红外小目标识别能力，在夜视监控、危险源探测、人员搜救等方面有着重要的作用。
-
公开(公告)号：CN113989474A
公开(公告)日：2022-01-28
申请号：CN202111498806.4
申请日：2021-12-09
Applicant: 北京环境特性研究所
IPC: G06V10/143 , G06V10/25 , G06V10/80 , G06K9/62
Abstract: 本发明涉及一种基于递进式层级融合网络的红外小目标智能识别方法，利用双波段红外在成像信息上的互补性，从数据维进行数据融合增强，提高神经网络用于红外小目标识别的可用信息量；从嵌入式应用部署出发构建双波段红外数据融合与目标检测一体化神经网络，充分利用网络中不同组件间参数的权值共享，增强数据间的耦合效应，降低网络模型整体计算复杂度；以双波段红外数据融合为基础，设计了建面向红外弱小目标检测识别的像素级—特征级—决策级递进式多级融合的一体化神经网络架构，实现了高效的红外小目标识别能力，在夜视监控、危险源探测、人员搜救等方面有着重要的作用。
-
公开(公告)号：CN119809972A
公开(公告)日：2025-04-11
申请号：CN202411883537.7
申请日：2024-12-19
Applicant: 北京环境特性研究所
Abstract: 本发明公开了一种基于目标掩码的图像双阶段平滑融合生成方法和装置，属于深度学习领域。方法包括：利用渐进式平滑增长对抗网络，从低分辨率图像按设定步长向高分辨率图像平滑推进学习原始样本图像，生成若干个对应的初始目标图像；将初始目标图像输入至预先训练好的基于目标掩码的平滑融合网络，以提取初始目标图像的目标掩码，并替换初始目标图像的背景，输出最终的目标图像；其中，平滑融合网络包括依次串联的前景细粒度分割网络、大数据集预训练骨架网络和图像平滑融合网络。本方案，可以解决目标固定且背景单一的问题，可以提高图像多样性。
-
公开(公告)号：CN115690595A
公开(公告)日：2023-02-03
申请号：CN202211105012.1
申请日：2022-09-09
Applicant: 北京环境特性研究所
IPC: G06V20/13 , G06N3/0464 , G06N3/08 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明涉及遥感图像处理技术领域，特别涉及一种高光谱图像分类方法、装置、电子设备及存储介质，其中方法包括获取有分类标签的高光谱图像数据集，确定所有分类及各分类对应的像素点数据；确定训练样本集的数据量；基于训练样本集的数据量、所有分类的总数及各分类对应的像素点数据得到训练样本集，并将剩余像素点数据组成测试样本集；构建分类模型；根据投票通道的总数，通过装袋法对训练样本集进行有放回均匀采样，得到新增的训练样本集；基于训练样本集对分类模型中的各路投票通道进行训练；对训练后的分类模型进行测试；获取高光谱图像数据，输入分类模型进行识别与分类，得到分类结果。本发明能够提升高光谱图像分类的准确性和稳定性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
