基于ViT-Pix2Pix的光学图像翻译方法

    公开(公告)号:CN115272787B

    公开(公告)日:2025-05-06

    申请号:CN202210779801.7

    申请日:2022-07-04

    Abstract: 本发明提供一种基于ViT‑Pix2Pix的光学图像翻译方法,包括:获取待测SAR图像;构建初始目标翻译网络模型,并通过成对的SAR图像和光学图像对初始目标翻译网络模型进行参数优化,获取目标翻译网络模型,目标翻译网络模型为Vision Transformer与Pix2Pix相结合的模型,包括有生成器和判别器,其中,生成器用于将SAR图像翻译为伪光学图像,判别器用于判断输入光学图像是否为SAR图像匹配的真光学图像,生成器和判别器以对抗的形式完成神经网络训练优化;将待测SAR图像输入目标翻译网络模型,获取目标光学图像。本发明能够提高判别器的性能,并确保网络模型训练的稳定性,提高了生成图像的质量。

    面向遥感图像小目标检测的高级尺度感知注意力增强方法

    公开(公告)号:CN119418205A

    公开(公告)日:2025-02-11

    申请号:CN202411469546.1

    申请日:2024-10-21

    Abstract: 本发明提供面向遥感图像小目标检测的高级尺度感知注意力增强方法,包括:获取输入特征,根据预设标准将所述输入特征进行分类,得到若干子特征;获取预设张量形状,按照预设张量形状将所述若干子特征分为若干组,得到子特征组;获取分支注意力提取网络,以所述子特征组为输入通过所述分支注意力提取网络,得到空间注意力图;获取增强网络,以所述空间注意力图为输入通过所述增强网络,得到增强目标。本发明通过利用不同感受野的空间和通道注意力来改善特征表示,在遥感图像中有效检测微小目标。通过大量实验验证,本发明的方法在检测性能上表现出显著改善,展现了应对遥感微小目标检测挑战的潜力。

    基于坐标注意力和长短距上下文的SAR舰船检测方法

    公开(公告)号:CN115147720A

    公开(公告)日:2022-10-04

    申请号:CN202210718888.7

    申请日:2022-06-23

    Abstract: 本发明提供一种基于坐标注意力和长短距上下文的SAR舰船检测方法,包括:获取待测SAR舰船图像,待测SAR舰船图像中包含有对应的舰船;根据坐标注意力机制构造特征提取网络,将待测SAR舰船图像输入特征提取网络,获取坐标注意力增强的特征图;根据长短距上下文信息构造长短距上下文协同提取网络,将坐标注意力增强的特征图输入长短距上下文协同提取网络,获取上下文强化后的特征图;通过PAN金字塔特征融合网络,对上下文强化后的特征图进行特征融合,获取融合后的特征图;将融合后的特征图输入到YOLOX无锚框解耦检测头中,获取舰船位置和舰船类别。本发明能够缓解图像噪音干扰且能够对小目标进行精准检测。

    一种基于注意力金字塔的SAR船只目标检测方法

    公开(公告)号:CN114419490B

    公开(公告)日:2024-09-03

    申请号:CN202111627620.4

    申请日:2021-12-28

    Abstract: 本发明提供一种基于注意力金字塔的SAR船只目标检测方法,将SAR图像输入到特征提取网络得到初步的特征提取结果;对初步提取到的特征输入到基于通道注意力和空间注意力的特征金字塔网络,得到更加精细化的特征提取结果。相较于传统的SAR图像船只检测方法,本方案通过先对SAR图像完成初步的特征提取,然后利用通道注意力和空间注意力特征金字塔网络对提取到的初步特征进行精修,提高了船只的检测和识别精度;尤其在针对复杂背景下的船只检测任务,本方案提出的基于通道注意力和空间注意力的特征金子塔网络可以使模型具有更高的检测和识别效果。

    一种基于自监督学习的SAR图像的去噪方法

    公开(公告)号:CN116503266A

    公开(公告)日:2023-07-28

    申请号:CN202310248972.1

    申请日:2023-03-15

    Abstract: 本发明提供了一种基于自监督学习的SAR图像去噪方法,包括构建SAR噪声图像模型;构建最小化经验损失函数L;设计相邻同向子采样器;将噪声图像对作为输入和目标,修改经验风险最小化任务,构建自监督SAR图像去噪网络;设计多特征损失函数;使用上述方法,对SAR‑CNN去噪网络进行训练;将待去噪的SAR图像变换到log域后输入到网络中进行去噪,再通过反log变换得到输出图像。相比于现有技术,本发明可以迁移到任何现有的去噪网络上,实现在没有干净目标的情况下进行训练实现自监督去噪,并且本方法显著抑制了散斑噪声,同时可靠地保留了图像纹理细节等特征,解决了目前散斑数据和真实SAR图像自监督去噪实用性较差的问题。

Patent Agency Ranking