-
公开(公告)号：CN119888367A
公开(公告)日：2025-04-25
申请号：CN202510177022.3
申请日：2025-02-18
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于图神经网络的高光谱遥感图像分类方法及装置，涉及高光谱图像处理技术领域，本发明将原始高光谱数据中的每个像素点作为一个节点构建邻接矩阵，生成图结构数据；并使用余弦相似度度量函数去除一阶邻居节点中的异常像素，构建新的邻接矩阵，对原始数据使用主成分分析方法进行降维，提取主要光谱特征成分，降低计算复杂度，将优化后的邻接矩阵和降维后的三维高光谱遥感图像输入预先训练好的图神经网络模型，通过平均聚合方式聚合每个像素点的邻居特征，并通过KAN网络提取聚合后中心像素点的特征，得到中心像素点的嵌入，最后通过Softmax处理得到分类结果，提升了分类效率和准确性，为高光谱遥感图像处理领域带来了突破性的进展。
-
公开(公告)号：CN119206379B
公开(公告)日：2025-04-22
申请号：CN202411700036.0
申请日：2024-11-26
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06V20/10 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决高光谱图像中存在复杂的空间关系和纹理信息，常规的分类算法难以充分利用这些信息技术问题。其包括：脉冲神经网络能够自适应地提取更有效的特征，提高对高光谱数据的敏感性，动态阈值调整层避免人工设定固定阈值，更好地适应高光谱数据的复杂性；脉冲神经网络通过模拟生物神经系统的动态处理特性，能有效处理时空数据，特征提取层突出二值化的脉冲信号中的关键特征，从而增强关键特征的分类性能；根据每个像素的具体信息自动二值化编码为脉冲序列，具备更好的信息保真度；进而实现从高光谱图像中充分提取关键特征，实现高光谱图像的分类。
-
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。
-
公开(公告)号：CN119991445A
公开(公告)日：2025-05-13
申请号：CN202510451552.2
申请日：2025-04-11
Applicant: 南京信息工程大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/0455 , G06N3/0464 , G06V10/58 , G06V10/80 , G06N3/084
Abstract: 本发明公开了一种高光谱图像高分辨的重建方法、装置、设备及介质，属于图像重建技术领域，重建方法包括构建图像重构网络模型，图像重构网络模型包括基于局部的多尺度空间特征提取模块、基于全局的自注意力机制空间特征提取模块和空间光谱特征提取模块；获取高分辨率的高光谱图像，并进行退化处理生成低分辨率的高光谱图像；根据相邻光谱具有相似性，对低分辨率的高光谱图像进行逐波段分组操作；根据分组结果作为训练数据对构建的图像重构网络模型进行训练，通过训练好的图像重构网络模型进行低分辨的高光谱图像重建。本发明能够更好地提取图像的完整特征，完成对高光谱图像超分辨率真实有效的重建。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN119169399B
公开(公告)日：2025-04-22
申请号：CN202411688591.6
申请日：2024-11-25
Applicant: 南京信息工程大学
IPC: G06V10/764 , G06V20/10 , G06V10/40 , G06V10/74 , G06V10/82
Abstract: 本发明公开了高光谱图像处理领域的一种高光谱图像分类方法，旨在解决难以利用高光谱图像中复杂信息导致识别准确性低技术问题。其包括：首先通过初步特征提取处理剔除无用信息；利用KAN卷积运算处理时元素之间相互学习激活的特性捕捉空间和光谱特征，并利用自适应注意力机制放大空间和光谱特征，减少无用信息对计算资源的占用；自适应注意力机制采用基于汉明距离计算查询和键之间的相似性，可以降低无用信息的不良影响；利用重聚焦卷积自适应调整特征图中每个局部区域的响应强度，通过响应强度控制特征表达，实现对图像深度细节信息的挖掘，充分利用高光谱图像中存在复杂的空间关系和纹理信息，提高分类效率和准确性。
-
公开(公告)号：CN119762761A
公开(公告)日：2025-04-04
申请号：CN202510039933.X
申请日：2025-01-10
Applicant: 南京信息工程大学
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于频域注意力的红外小目标检测方法、系统及存储介质，属于红外小目标检测技术领域，所述方法包括：获取待测红外图像数据并进行预处理，得到标准红外图像；将所述标准红外图像输入预先训练的红外小目标检测模型，得到检测出的红外小目标；其中，所述预先训练的红外小目标检测模型的获取方法包括：获取历史红外图像样本集；对所述历史红外样本集中的各红外图像数据进行预处理，得到标准历史样本集；将所述标准历史样本集输入预先构建的检测模型，得到训练好的红外小目标检测模型，其中，所述检测模型的解码模块通过融合频域注意力加权特征图以及空间域特征图对目标图像进行重构，降低了计算复杂度，提高了红外小目标检测精度。
-
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：CN119226777A
公开(公告)日：2024-12-31
申请号：CN202411719238.X
申请日：2024-11-28
Applicant: 南京信息工程大学
IPC: G06F18/213 , G01N15/075 , G01N21/84 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种高分辨大气气溶胶反演方法、装置及系统，涉及遥感信息技术领域，对研究区域的各波段卫星影像统一重采样为60m，并通过SCL场景分类图进行掩膜操作；然后提取出各波段的大气底层反射率数据以及对应的几何角度信息，通过对站点数据进行插值并与卫星数据进行时空匹配从而构建数据集；最后，构建深度学习模型，对数据进行归一化处理并输入到模型之中进行气溶胶反演，得到高分辨率的气溶胶光学厚度(Aerial Optical Depth，AOD)分布图。本发明具有较好的反演效果和较高的空间分辨率，并且无需大量参数和预构建查找表。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.03 seconds)
