-
公开(公告)号：CN117475016A
公开(公告)日：2024-01-30
申请号：CN202311099427.7
申请日：2023-08-29
Applicant: 北京遥测技术研究所 , 北京空间飞行器总体设计部
IPC: G06T11/00 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06T7/10 , G06T5/70
Abstract: 本发明提供一种端到端卫星重构网络模型实现虚假遥感影像生成方法，在获取地理轮廓信息的先验条件下，对已知电子地图生成虚假的遥感卫星影像，在生成对抗网络模型中，添加约束条件，利用附加标签改变生成对抗网络的生成模型，训练过程中，将获得的真实图像和标签作为生成对抗网络判别模型的输入数据，使得训练的收敛方向能够以约束条件方向生成预测样本；本发明利用深度学习算法在输入图像和目标图像之间建立映射，对图像进行转换的端到端卫星重构网络模型，将已知的电子轮廓信息作为条件约束，生成特定的遥感卫星影像图。本发明在卫星影像智能生成技术领域有一定的通用性。
-
公开(公告)号：CN117152408A
公开(公告)日：2023-12-01
申请号：CN202310930166.2
申请日：2023-07-27
Applicant: 北京遥测技术研究所
IPC: G06V10/22 , G06V10/40 , G06V20/13 , G06T7/11 , G06T7/194 , G06V20/70 , G06V10/82 , G06V10/774 , G06T3/40
Abstract: 本发明提供一种基于变化检测的遥感异常区域及目标检测方法，以孪生注意力变化检测模型，训练变化检测模型检测处理区域的能力，同时训练其检测隐藏目标和检测变化目标的能力。本发明构建了一个双分支的孪生注意力变化检测网络，通过对比学习遥感影像中出现的异常区域与原遥感影像在像素分布、色差上的变化，实现对异常区域和变化区域的自动检测；本发明在下采样模块每一层级都使用孪生网络思想，将两时相特征级联输入后续网络，通过无差别处理两时相技术，解除对时相输入顺序的限制；本发明使用注意力机制实现不同层级检测结果的融合，通过使用两种不同的特征融合手段，利用注意力机制综合对比两种融合结果，提高模型检测能力。
-
公开(公告)号：CN117173404A
公开(公告)日：2023-12-05
申请号：CN202310930222.2
申请日：2023-07-27
Applicant: 北京遥测技术研究所
Abstract: 本发明提供一种基于深度学习的遥感目标自动检测及隐藏方法，包括生成遥感目标语义分割数据集、构建用于遥感影像语义分割的Inception‑v3U‑Net网络、构建门控卷积图像修复网络、训练Inception‑v3U‑Net网络、训练门控卷积图像修复网络、检测遥感目标、完全覆盖原遥感目标所在区域和隐藏原遥感目标。本发明以语义分割作为目标检测模型，门控卷积网络作为图像修复模型，并配合传统图像处理的遥感目标自动检测与隐藏方法，在训练门控卷积网络过程中加入随机掩膜的生成，打破了缺失区域的形状及位置限制，解决现有遥感目标检测网络模型结构较复杂、训练推理时间过长，遥感目标隐藏不充分、不完全、易暴露，且由于现有网络使用固定化的掩膜，隐藏规律容易被发现的问题。
-
公开(公告)号：CN117173060A
公开(公告)日：2023-12-05
申请号：CN202310930314.0
申请日：2023-07-27
Applicant: 北京遥测技术研究所
IPC: G06T5/30 , G06T5/50 , G06T7/13 , G06V20/10 , G06V10/26 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/096 , G06N3/0455
Abstract: 本发明提供一种基于图像修复的遥感影像隐藏目标智能还原方法，构建门控卷积目标还原网络，训练能够适应色彩变化明显、细粒度大、特征复杂的遥感图像的图像修复模型，门控机制在前段网络提供遥感目标掩膜信息，后段网络作为注意力机制，动态学习未覆盖遥感图像类目标区域以及非目标区域像素分布特征；本发明使用原始遥感图像、随机覆盖掩膜与目标轮廓掩膜结合的输入作为模型训练输入，在具有隐藏目标区域及遥感目标确切位置的标签引导下，该模型可以在色彩梯度复杂、像素值差异大的遥感图像中快速发现重点关注目标，并学习该遥感目标轮廓特征及其周围环境的复杂特征，以使还原的遥感目标符合原图中地物要素特征及分布规律。
-
-
-
Search Results
4
records
(took 0.031 seconds)
