-
公开(公告)号：CN116384237B
公开(公告)日：2024-08-23
申请号：CN202310327016.2
申请日：2023-03-29
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G06F30/27 , G01W1/02 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于遥感图像处理技术领域，涉及热红外大气参数反演方法、装置及电子设备，该方法包括：提取地表发射率信息和大气信息；确定大气参数，建立模拟数据集；构建双向长短期记忆神经网络模型；模型训练确定模型的结构参数；利用注意力机制对双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权；模型训练；迭代更新直至模型的输出收敛，得到大气参数反演模型；得到热红外大气参数反演结果。本发明有效地解决了深度神经网络对数据挖掘能力较弱的问题，提出双向长短期记忆神经网络结构，利用通道注意力模块对不同的通道信息进行加权，获取不同通道辐亮度数据的相关性特征，得到热红外大气参数反演结果。
-
公开(公告)号：CN116306819B
公开(公告)日：2024-05-03
申请号：CN202310286996.6
申请日：2023-03-22
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/10 , G01N21/27
Abstract: 本发明属于光谱定标技术领域，涉及基于光谱重构的高光谱交叉定标方法、装置及电子设备，该方法包括：建立具有多头注意力机制的卷积神经网络模型；选择目标波段的高光谱波段数据；建立长短期记忆神经网络模型，模型训练；高光谱波段数据重建得到目标波段高光谱数据；使用目标波段高光谱数据进行交叉定标。本发明有效解决了传统交叉定标要求待定标遥感器和目标遥感器之间必须有相近谱段的问题，通过具有多头注意力机制的卷积神经网络模型，训练卷积神经网络模型使其具有良好的波段选择能力并筛选出高光谱数据中代表性较强的波段，波段选择后利用长短期记忆网络进行光谱重建，拟合出需要的波段信息，进而满足交叉定标的需求。
-
公开(公告)号：CN110033039A
公开(公告)日：2019-07-19
申请号：CN201910286661.8
申请日：2019-04-10
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于目标约束检测的高光谱实时分类方法，本次发明将实时扫描到的像元作为分类数据，利用目标约束检测原理实现实时的高光谱多类别数据分类，其中分类器通过自适应自相关矩阵对背景进行实时抑制，并将检测到的丰度信息融合进分类数据，从而逐步提高分类精度。采用本发明方法完成的高光谱实时分类结果比全部像元进行背景抑制的分类结果效果更好，速度更快。
-
公开(公告)号：CN113762389B
公开(公告)日：2024-04-12
申请号：CN202111050504.0
申请日：2021-09-08
Applicant: 大连海事大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于动态诊断的高光谱影像小样本分类方法，包括以下步骤：建立基于元学习的分类任务；构建特征提取网络和双分支边推导网络；利用建立的更新原则训练进行分类模型的训练；构建动态诊断策略为待分类样本分配标签。本发明使用少量的高光谱影像样本进行分类模型的训练，并利用动态诊断判别提升测试集的分类精度，采用双分支深度神经网络搭建特征提取网络用于提取特征及边推导网络用于空间相似性和光谱相似性度量，测试时构建动态诊断器，筛选出样本当前任务中符合高类内相似性和高类间差异性且光谱分支网络和空间分支网络的分类结果保持一致性的样本，进而提升分类性能。
-
公开(公告)号：CN117574046A
公开(公告)日：2024-02-20
申请号：CN202410064056.7
申请日：2024-01-17
Applicant: 中国科学院空天信息创新研究院 , 大连海事大学 , 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明提出了一种遥感反演地表温度的精度验证方法，包括以下步骤：得到遥感反演地表温度及遥感反演地表温度的不确定度；得到地面实测地表温度的不确定度；得到地表温度的空间代表性不确定度和地表温度的时间代表性不确定度；建立地表温度绝对差异数据集及不确定度数据集；利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度。本发明的遥感反演地表温度的精度验证方法基于卡尔曼滤波融合算法，通过确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，综合考虑了各影响因素引起的不确定度，降低了不确定较大的数据对地表温度验证精度的影响，真实反映了地表温度反演的精度。
-
Patent Agency Ranking
公开(公告)号：CN117372783A
公开(公告)日：2024-01-09
申请号：CN202311561639.2
申请日：2023-11-21
Applicant: 大连海事大学
IPC: G06V10/764 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/74 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于中心关注Transformer模型的高光谱影像分类方法与系统，包括，选取高光谱场景图像并进行裁剪，根据裁剪后的高光谱场景图像制作高光谱立方体，并从中随机选取部分裁剪后的高光谱场景图像作为训练集和验证集；构建Transformer模型，所述Transformer模型包括一个预处理模块、四个全局自信息计算层和全局平均池化层；所述预处理模块用于提取输入图像的特征并降低输入图像的通道数；任一全局自信息计算层包括中心像元自关注模块、跨通道全局融合模块与前馈网络层；根据训练集对Transformer模型进行交叉熵分类损失训练和验证，根据验证后的Transformer模型对待分类的高光谱影像进行分类。所提出的方法降低了计算的复杂度和计算代价，提高了高光谱遥感图像的分类精度。
-
公开(公告)号：CN111311696B
公开(公告)日：2023-07-25
申请号：CN202010089208.0
申请日：2020-02-12
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于高光谱解混技术的车牌真伪检测方法，包括：采用高光谱照相机获取伪造车牌图像将其作为解混目标图像；根据解混目标图像建立线性光谱混合模型；构建目标端元矩阵集合M，其中目标端元矩阵集合M包括当前车牌图像提取到的目标端元集合M1和存储普适真实目标的端元集合M2，结合最小二乘法对给定的目标端元集合M进行解混，获取各端元mi对应的丰度结果图FMapi，设定阈值T，获得各目标端元丰度图FMapi的二值化可视结果BMapi，对二值可视结果BMapi进行优化、获得车牌伪造信息的最终结果FinalMAP。
-
公开(公告)号：CN110738171B
公开(公告)日：2023-05-05
申请号：CN201910976493.5
申请日：2019-10-15
Applicant: 大连海事大学
IPC: G06V20/13 , G06V10/764
Abstract: 本发明公开了一种基于类特征迭代随机采样的高光谱图像谱空分类方法，包括根据高光谱图像数据和地物类别标签信息计算各类的类特征准则；根据类特征准则迭代地计算每个类别在分类时应分配的训练样本数目；根据每类已分配的训练样本数目和目标地物样本集参数信息计算目标地物的平均光谱特征和自相关矩阵，根据各地物平均光谱特征、自相关矩阵的逆矩阵、通过约束能量最小化方法计算针对于该地物、高光谱图像中每个像元对应的丰度信息，根据分类图像信息计算相邻两次迭代分类结果的相似性系数，判断所述相似性系数是否已满足迭代分类的截止条件、对融合更新后的数据进行迭代分类。
-
公开(公告)号：CN118658054A
公开(公告)日：2024-09-17
申请号：CN202410119605.6
申请日：2024-01-29
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0475 , G06N3/094 , G06V10/80 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种基于深度光谱度量孪生网络的高光谱图像目标检测方法，包括：首先通过高斯白噪声调制进行目标光谱数据增强以构建目标背景训练数据。接下来，通过目标背景训练数据预训练所设计的一维生成对抗网络，得到训练收敛且用于构建光谱度量孪生网络的鉴别器结构。然后，使光谱度量孪生网络从目标背景训练数据与先验目标光谱所构成的正样本对和负样本对中学习光谱差异度量能力，并将目标检测转换为度量学习问题，以测量光谱与先验目标光谱的匹配程度，从而得到仅利用光谱信息进行目标检测的光谱检测结果。最后，结合高光谱图像的空间信息，采用引导图像滤波器对光谱检测结果滤波，得到最终的光空间信息联合的高光谱目标检测结果。
-
公开(公告)号：CN117574046B
公开(公告)日：2024-05-14
申请号：CN202410064056.7
申请日：2024-01-17
Applicant: 中国科学院空天信息创新研究院 , 大连海事大学 , 中国农业科学院农业资源与农业区划研究所
Abstract: 本发明提出了一种遥感反演地表温度的精度验证方法，包括以下步骤：得到遥感反演地表温度及遥感反演地表温度的不确定度；得到地面实测地表温度的不确定度；得到地表温度的空间代表性不确定度和地表温度的时间代表性不确定度；建立地表温度绝对差异数据集及不确定度数据集；利用卡尔曼滤波融合算法确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度。本发明的遥感反演地表温度的精度验证方法基于卡尔曼滤波融合算法，通过确定地表温度绝对差异融合的最优估计值以及最优地表温度验证不确定度，综合考虑了各影响因素引起的不确定度，降低了不确定较大的数据对地表温度验证精度的影响，真实反映了地表温度反演的精度。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.022 seconds)
