-
公开(公告)号：CN111007021A
公开(公告)日：2020-04-14
申请号：CN201911419436.3
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于一维卷积神经网络的高光谱水质参数反演系统，该系统通过地面点光谱实测模块用于测量选定点处水体的高光谱数据；所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数以拟合光谱波段信息与水质参数浓度间复杂的非线性关系；所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，并得到各点光谱波段的遥感反射率；所述水质参数反演模块用于以所述各点的光谱波段信息作为输入，反演得到监测水域中各点的水质参数浓度，同时该系统无需增加波段筛选子模块，充分利用所有波段信息。
-
公开(公告)号：CN111160300A
公开(公告)日：2020-05-15
申请号：CN201911419512.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。
-
公开(公告)号：CN113327231B
公开(公告)日：2022-10-14
申请号：CN202110589580.2
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统，包括：对原始高光谱图像进行降维处理；采用自编码网络提取降维后的图像中的背景空间特征并进行重构；将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像，根据第一残差图像得到空间域检测结果；采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构；将重构后的光谱域图像与原始高光谱图像进行差值运算，得到第二残差图像，根据第二残差图像得到光谱域检测结果；加权融合空间域检测结果和光谱域检测结果，得到异常目标检测结果。本发明具有强大的特征提取和表示能力，采取了样本数量扩充方案解决训练数据匮乏的问题，具有较好的检测精度。
-
公开(公告)号：CN111160300B
公开(公告)日：2022-06-28
申请号：CN201911419512.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/13 , G06V10/46 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/762
Abstract: 本发明涉及高光谱图像显著性目标检测算法领域，公开了一种结合全局先验的深度学习高光谱图像显著性检测算法。首先根据高光谱图像获取相应的光谱梯度图，将光谱梯度图进行超像素分割，计算每个超像素的光谱角距离特征图，作为全局先验图。采用VGG16作为基本网络结构，将全局先验图和分割图像合并作为网络的输入，将VGG16最后一层全连接层输出的特征重新排序成二维图像，得到显著性结果图。通过对网络参数的训练得到最终的高光谱图像显著性目标检测模型。本发明可以充分挖掘图像中蕴含的高级语义信息，以提高模型的检测精度。
-
公开(公告)号：CN113327304A
公开(公告)日：2021-08-31
申请号：CN202110593767.X
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明提供了一种基于端到端神经网络的高光谱图像显著图生成方法，包括S1：图像预处理；S2：构建端到端的神经网络模型提取空谱特征；S3：神经网络的训练；端到端的神经网络模型结构为W2型卷积神经网络，神经网络模型包括左右两支编码通道和中间一支解码通道分别为空间编码模块、光谱编码模块和解码模块，模型还包括用于生成预测显著图的结果预测模块。本发明通过构建的端到端的神经网络模型，能够提取图像的深层空谱特征，并直接生成预测显著图，节省了计算资源的消耗，提高了特征的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN111160478B
公开(公告)日：2022-07-26
申请号：CN201911410767.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G06V20/10 , G06V10/46 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的高光谱目标显著性检测方法，所述目标显著性检测方法至少包括深层特征提取步骤和显著性优化步骤，其中，所述深层特征提取步骤包括将原始高光谱图像经双通道的卷积神经网络完成包括空间特征和光谱特征的深层特征提取；所述显著性优化步骤包括将基于提取的深层特征完成背景线索和前景线索计算，并基于计算结果进行显著性优化，生成最终的显著性图。本发明基于深度学习提取高光谱图像的空间和光谱深层特征，提升了特征的鲁棒性，且卷积神经网络采用自监督训练，无需真值标签；利用显著性优化，能够提升生成显著性图的质量，突出显著性目标。
-
公开(公告)号：CN113327231A
公开(公告)日：2021-08-31
申请号：CN202110589580.2
申请日：2021-05-28
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于空谱联合的高光谱异常目标检测方法和系统，包括：对原始高光谱图像进行降维处理；采用自编码网络提取降维后的图像中的背景空间特征并进行重构；将重构后的空间域图像和降维后的图像进行差值运算得到第一残差图像，根据第一残差图像得到空间域检测结果；采用对抗自编码网络提取原始高光谱图像中的背景光谱特征并进行重构；将重构后的光谱域图像与原始高光谱图像进行差值运算，得到第二残差图像，根据第二残差图像得到光谱域检测结果；加权融合空间域检测结果和光谱域检测结果，得到异常目标检测结果。本发明具有强大的特征提取和表示能力，采取了样本数量扩充方案解决训练数据匮乏的问题，具有较好的检测精度。
-
公开(公告)号：CN111160478A
公开(公告)日：2020-05-15
申请号：CN201911410767.0
申请日：2019-12-31
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
Abstract: 本发明公开了一种基于深度学习的高光谱目标显著性检测方法，所述目标显著性检测方法至少包括深层特征提取步骤和显著性优化步骤，其中，所述深层特征提取步骤包括将原始高光谱图像经双通道的卷积神经网络完成包括空间特征和光谱特征的深层特征提取；所述显著性优化步骤包括将基于提取的深层特征完成背景线索和前景线索计算，并基于计算结果进行显著性优化，生成最终的显著性图。本发明基于深度学习提取高光谱图像的空间和光谱深层特征，提升了特征的鲁棒性，且卷积神经网络采用自监督训练，无需真值标签；利用显著性优化，能够提升生成显著性图的质量，突出显著性目标。
-
公开(公告)号：CN116721367A
公开(公告)日：2023-09-08
申请号：CN202310713343.1
申请日：2023-06-15
Applicant: 北京理工大学 , 西安现代控制技术研究所
IPC: G06V20/17 , G06V10/762 , G06V10/74 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/778
Abstract: 本发明公开的一种基于类间样本平衡约束的航拍图像目标检测方法，属于计算机视觉和图像处理领域。本发明实现方法为：分析类别不均衡数据集，利用训练数据集中目标类别实例的全局数量统计特征作为相似性度量指标，通过Affinity Propagation方法在实例数量特征空间上对目标类别进行自适应聚类；以深度学习目标检测中常用的基于锚框的单阶段RetinaNet网络的变体作为本发明的基础网络模型，建立深度学习目标检测网络，包括输入数据处理模块、特征提取模块、多尺度特征融合模块与检测头模块；利用全局数量统计特征自适应为不同类目标指派正样本数量，提高不同类别正样本数量的整体均衡性，提升深度学习目标检测模型的检测能力，提高航拍图像目标检测精度。
-
公开(公告)号：CN207052168U
公开(公告)日：2018-02-27
申请号：CN201720552852.0
申请日：2017-05-18
Applicant: 北京理工大学
IPC: G09B23/22
Abstract: 本实用新型提供一种可拆卸光学模拟式教学测色装置，包括光源、平行光管、滤色片座、滤色片、探测器、遮光罩、底座及数据处理系统，所述遮光罩上带有探测窗口；平行光管用于将光源发出的光形成平行光；滤色片设置于滤色片座上，用于对平行光管出射的平行光进行过滤，得到满足卢瑟条件的光束；遮光罩上的探测窗口用于安装待测色卡；探测器用于接收待测色卡的反射光束，并通过光电效应转化成电信号；数据处理系统用于对探测器上产生的电信号进行采样、滤波处理，并输出。该装置原理简单，易于实现，成本较低。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
