公开(公告)号：CN113837134A

公开(公告)日：2021-12-24

申请号：CN202111152307.X

申请日：2021-09-29

Applicant: 桂林理工大学

Inventor： 付波霖 ,  刘曼 ,  李雨阳 ,  何宏昌 ,  范冬林 ,  刘立龙 ,  黄良珂

IPC: G06K9/00 ,  G06K9/34 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于面向对象的深度学习模型和迁移学习的湿地植被识别方法,该方法通过运用卷积神经网络的迁移学习能力提高了湿地植被群丛的分类精度与效率；通过扩展遥感影像空间分辨率梯度与光谱维度识别湿地植被，解决单幅影像无法精确识别各类湿地植被的问题；通过使用融合图像分割的卷积神经网络模型提高了植被边界处的精准分类。

公开(公告)号：CN114202671A

公开(公告)日：2022-03-18

申请号：CN202111361807.4

申请日：2021-11-17

Applicant: 桂林理工大学

Inventor： 付波霖 ,  刘曼 ,  邓良超 ,  孙习东 ,  范冬林 ,  何宏昌

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种图像预测优化处理方法及装置，属于图像处理领域，方法包括：对多个无人机影像进行预处理；将多个深度学习语义标签匹配至预处理的各个无人机影像上，得到多个训练样本，将各个训练样本进行扩充处理，得到扩充后的训练样本集合，在卷积神经网络中进行参数配置优化，通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络，并进行影像预测分类，得到多种分类结果，对多种分类结果进行融合处理，对融合的分类结果进行扩展裁剪处理，得到整幅遥感影像。能够对多种分类结果进行融合处理，融合的分类结果更为准确和全面，再对融合的分类结果进行扩展裁剪处理，能够消除明显的拼接痕迹。

公开(公告)号：CN114202671B

公开(公告)日：2024-10-29

申请号：CN202111361807.4

申请日：2021-11-17

Applicant: 桂林理工大学

Inventor： 付波霖 ,  刘曼 ,  邓良超 ,  孙习东 ,  范冬林 ,  何宏昌

IPC: G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/09

Abstract: 本发明涉及一种图像预测优化处理方法及装置，属于图像处理领域，方法包括：对多个无人机影像进行预处理；将多个深度学习语义标签匹配至预处理的各个无人机影像上，得到多个训练样本，将各个训练样本进行扩充处理，得到扩充后的训练样本集合，在卷积神经网络中进行参数配置优化，通过扩充后的训练样本集合对优化后的卷积神经网络进行深度学习分类训练，得到训练后的卷积神经网络，并进行影像预测分类，得到多种分类结果，对多种分类结果进行融合处理，对融合的分类结果进行扩展裁剪处理，得到整幅遥感影像。能够对多种分类结果进行融合处理，融合的分类结果更为准确和全面，再对融合的分类结果进行扩展裁剪处理，能够消除明显的拼接痕迹。