-
Patent Agency Ranking
公开(公告)号：CN113012251B
公开(公告)日：2022-05-03
申请号：CN202110285485.3
申请日：2021-03-17
Applicant: 厦门大学
IPC: G06T11/00 , G06T11/40 , G06T7/11 , G06T5/10 , G06T5/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 基于生成对抗网络的SAR图像自动彩色化方法，涉及遥感技术领域。搭建风格转换配对数据集；搭建多尺度的生成对抗网络，从中嵌入风格转换网络：生成对抗网络具有四个连接层，每层都包括生成器和判别器，每层的输入图像经卷积后逐渐减小，在前一层向后层传递中加入随机噪声；生成器的模型在无监督模型基础上改为U‑net结构，进行图像轮廓特征提取；判别器选择PatchGAN结构，将生成图像分块，对每一部分进行真实概率判别；在传统条件生成对抗网络的损失函数基础上，加入L1正则项；对输入图像进行增强预处理；所得模型进行训练，当损失函数达到收敛时，训练结束，得到RGB三通道彩色影像。提升SAR数据的解译和信息提取功能。
-
公开(公告)号：CN113487493A
公开(公告)日：2021-10-08
申请号：CN202110612704.4
申请日：2021-06-02
Applicant: 厦门大学
Abstract: 基于GANilla的SAR图像自动彩色化方法，涉及卫星图像处理。数据集配对：在地图上随机生成位点，并将选择的位点扩充矩阵作为选择区域，分别提取Sentinel‑1中的VV波段和Sentinel‑2的B4,B3,B2波段作为RGB值，基于python将JSON格式的数据可视化，得色彩迁移数据集；将得到的数据分两类，陆地区域的数据和海洋区域的数据；对于陆地区域的数据通过旋转、局部放大、翻转进行数据增加；对于海洋区域的数据，分别进行维纳滤波和添加随机色彩；数据增加后的Sentinel数据用GANilla网络进行训练。免去搭建网络的复杂工作，提升数据配对速度，降低数据获取难度，大幅提升遥感图像质量。
-
公开(公告)号：CN113487493B
公开(公告)日：2023-08-18
申请号：CN202110612704.4
申请日：2021-06-02
Applicant: 厦门大学
Abstract: 基于GANilla的SAR图像自动彩色化方法，涉及卫星图像处理。数据集配对：在地图上随机生成位点，并将选择的位点扩充矩阵作为选择区域，分别提取Sentinel‑1中的VV波段和Sentinel‑2的B4,B3,B2波段作为RGB值，基于python将JSON格式的数据可视化，得色彩迁移数据集；将得到的数据分两类，陆地区域的数据和海洋区域的数据；对于陆地区域的数据通过旋转、局部放大、翻转进行数据增加；对于海洋区域的数据，分别进行维纳滤波和添加随机色彩；数据增加后的Sentinel数据用GANilla网络进行训练。免去搭建网络的复杂工作，提升数据配对速度，降低数据获取难度，大幅提升遥感图像质量。
-
公开(公告)号：CN113012251A
公开(公告)日：2021-06-22
申请号：CN202110285485.3
申请日：2021-03-17
Applicant: 厦门大学
IPC: G06T11/00 , G06T11/40 , G06T7/11 , G06T5/10 , G06T5/00 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 基于生成对抗网络的SAR图像自动彩色化方法，涉及遥感技术领域。搭建风格转换配对数据集；搭建多尺度的生成对抗网络，从中嵌入风格转换网络：生成对抗网络具有四个连接层，每层都包括生成器和判别器，每层的输入图像经卷积后逐渐减小，在前一层向后层传递中加入随机噪声；生成器的模型在无监督模型基础上改为U‑net结构，进行图像轮廓特征提取；判别器选择PatchGAN结构，将生成图像分块，对每一部分进行真实概率判别；在传统条件生成对抗网络的损失函数基础上，加入L1正则项；对输入图像进行增强预处理；所得模型进行训练，当损失函数达到收敛时，训练结束，得到RGB三通道彩色影像。提升SAR数据的解译和信息提取功能。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
