-
公开(公告)号：CN119206253A
公开(公告)日：2024-12-27
申请号：CN202411721104.1
申请日：2024-11-28
Applicant: 南京信息工程大学
IPC: G06V10/58 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/042
Abstract: 本发明公开了图异常检测技术领域中的一种基于掩码图自编码器的图异常检测方法及系统，所述方法包括：对输入的待检测高光谱图像进行预处理，获取节点特征矩阵和边索引矩阵；对所述节点特征矩阵进行随机掩码操作；将随机掩码操作后的节点特征矩阵与所述边索引矩阵输入自编码器，得到重建特征矩阵；根据重建特征矩阵计算重建误差，得到异常分数；将异常分数高于设定阈值的像素标记为异常。本发明获取节点特征矩阵和边索引矩阵，对节点特征矩阵进行随机掩码，保留边索引矩阵，提高异常检测的准确性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN119206507B
公开(公告)日：2025-04-22
申请号：CN202411668533.7
申请日：2024-11-21
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了高光谱遥感图像处理技术领域的一种高光谱图像异常检测方法、装置、电子终端及存储介质，所述高光谱图像异常检测方法包括：通过编码模块得到特征图；使用自注意力机制模块抑制特征图的异常信息表达；通过Transformer编码模块提取全局特征；将分别蕴含不同信息的特征图进行特征融合；使用解码模块进行图像重构，利用重构误差得到异常检测图。本发明进行了空间多尺度特征提取，并通过自注意力机制进行异常抑制，抑制异常像素点对网络重建能力的贡献，防止网络学习到异常点的特征并对异常点产生较好的重构效果。
-
公开(公告)号：CN119649135A
公开(公告)日：2025-03-18
申请号：CN202411798370.4
申请日：2024-12-09
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种多源遥感数据分类方法，属于遥感领域中的高光谱图像处理领域，包括：获取多种目标物的遥感数据；提取每种遥感数据的浅层特征；获得每种遥感数据的多个频率特征；将所有遥感数据的相同频率特征进行融合，获得多个同频融合特征；将多个同频融合特征拼接起来获得多源融合特征；将多源融合特征依次通过叠加的调频层和注意力层获得融合的全局特征和局部特征；在光谱维度上对全局特征和局部特征进行加权获得目标物的预测分类结果。本发明实现多源数据的定向频率特征分解与融合，基于多源遥感数据提取多源融合特征作为分类的依据，为目标物的分类提供更全面的信息，能够充分捕捉复杂的地物特征，使分类结果更加准确。
-
公开(公告)号：CN119181026B
公开(公告)日：2025-02-14
申请号：CN202411700034.1
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/54 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了高光谱图像技术领域的一种高光谱图像变化检测方法、装置及存储介质，方法包括：对高光谱图像进行特征提取，得到空间特征图和光谱特征图，聚合空间特征图和光谱特征图获得融合特征图；对双时相高光谱图像进行分割，生成超像素标签图，将超像素标签图投影到所述融合特征图中，形成超像素特征图，根据所述超像素特征图构建拓扑图；将拓扑图中的节点特征向量和邻接矩阵输入KAN‑GAT网络，获得节点嵌入向量；对节点嵌入向量进行相似性度量找出变化节点，通过超像素标签图检测出超像素特征图变化的超像素区域，生成像素级别的变化区域显示。本发明能够解决传统的差异度量方法导致误检率和漏检率增加的技术问题。
-
公开(公告)号：CN119206507A
公开(公告)日：2024-12-27
申请号：CN202411668533.7
申请日：2024-11-21
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了高光谱遥感图像处理技术领域的一种高光谱图像异常检测方法、装置、电子终端及存储介质，所述高光谱图像异常检测方法包括：通过编码模块得到特征图；使用自注意力机制模块抑制特征图的异常信息表达；通过Transformer编码模块提取全局特征；将分别蕴含不同信息的特征图进行特征融合；使用解码模块进行图像重构，利用重构误差得到异常检测图。本发明进行了空间多尺度特征提取，并通过自注意力机制进行异常抑制，抑制异常像素点对网络重建能力的贡献，防止网络学习到异常点的特征并对异常点产生较好的重构效果。
-
公开(公告)号：CN119181026A
公开(公告)日：2024-12-24
申请号：CN202411700034.1
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/54 , G06V10/74 , G06V10/80 , G06V10/82 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了高光谱图像技术领域的一种高光谱图像变化检测方法、装置及存储介质，方法包括：对高光谱图像进行特征提取，得到空间特征图和光谱特征图，聚合空间特征图和光谱特征图获得融合特征图；对双时相高光谱图像进行分割，生成超像素标签图，将超像素标签图投影到所述融合特征图中，形成超像素特征图，根据所述超像素特征图构建拓扑图；将拓扑图中的节点特征向量和邻接矩阵输入KAN‑GAT网络，获得节点嵌入向量；对节点嵌入向量进行相似性度量找出变化节点，通过超像素标签图检测出超像素特征图变化的超像素区域，生成像素级别的变化区域显示。本发明能够解决传统的差异度量方法导致误检率和漏检率增加的技术问题。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
