-
公开(公告)号：CN118365660A
公开(公告)日：2024-07-19
申请号：CN202410445347.0
申请日：2024-04-15
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于双空间约束加权混合模型的水边线提取方法，涉及图像处理技术领域，本发明定义双空间约束加权混合模型，其中利用加权混合模型描述像素灰度的复杂统计分布，利用马尔可夫随机场结合空间信息定义组分权重和分量权重，对双空间约束加权混合模型取对数得到对数似然函数；应用EM方法实现对数似然函数参数估计，即在迭代中依次执行E步和M步，直到对数似然函数满足收敛条件则停止迭代，获得最优参数估计值；通过最大化后验概率获得水体和陆地分割结果；通过提取水体和陆地边界线输出水边线提取结果。本发明可合理利用像素灰度和空间信息，有效降低同物异谱现象影响，提高水体和陆地区域分割准确性，获得精确的水边线提取结果。
-
公开(公告)号：CN117437421A
公开(公告)日：2024-01-23
申请号：CN202311517540.2
申请日：2023-11-15
Applicant: 桂林理工大学
IPC: G06V10/26 , G06V10/762 , G06V10/84 , G06F17/17
Abstract: 本发明提供一种基于空间约束加权伽马混合模型的模糊聚类图像分割方法，涉及图像处理技术领域，本发明定义加权伽马混合模型，利用马尔科夫随机场定义组分权重表达式，进而定义空间约束加权伽马混合模型；利用空间约束加权伽马混合模型的负对数作为非相似性测度，结合信息熵建立基于空间约束加权伽马混合模型的目标函数；通过最小化目标函数推导隶属度计算公式，利用梯度下降法优化参数集，在迭代中计算隶属度和优化参数集，直到目标函数满足收敛条件，则停止迭代；通过最大化隶属度得到像素标号；输出SAR图像分割结果。该方法有效地利用了像素强度信息和空间信息，克服了传统模糊聚类图像分割方法存在的问题，进而提高SAR图像分割精度。
-
公开(公告)号：CN112561931B
公开(公告)日：2023-11-10
申请号：CN202011473361.X
申请日：2020-12-15
Applicant: 桂林理工大学
Abstract: 本发明提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，涉及影像处理技术领域。该方法首先将待分割SAR影像定义为在影像域D上的随机场的一个实现，并赋予SAR影像中每个类别一个权重构成权重集合；再利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；然后利用规则划分技术将类加权SAR影像的影像域划分为多个子块；在划分的影像域上，建立类加权SAR影像分割模型；最后针对已建立的类加权SAR影像分割模型，设定迭代次数，并在每次迭代过程中利用GMTRJ算法设计求解类加权SAR影像分割模型中所有参数，并利用EM算法估算权重集合，进而确定类加权SAR影像分割模型的最优解，完成SAR影像的分割。
-
Patent Agency Ranking
公开(公告)号：CN112561931A
公开(公告)日：2021-03-26
申请号：CN202011473361.X
申请日：2020-12-15
Applicant: 桂林理工大学
Abstract: 本发明提供一种结合GMTRJ算法和EM算法的类加权SAR影像分割方法，涉及影像处理技术领域。该方法首先将待分割SAR影像定义为在影像域D上的随机场的一个实现，并赋予SAR影像中每个类别一个权重构成权重集合；再利用待分割影像和权重集合定义类加权SAR影像，并将其定义为在影像域上的特征场的一个实现；然后利用规则划分技术将类加权SAR影像的影像域划分为多个子块；在划分的影像域上，建立类加权SAR影像分割模型；最后针对已建立的类加权SAR影像分割模型，设定迭代次数，并在每次迭代过程中利用GMTRJ算法设计求解类加权SAR影像分割模型中所有参数，并利用EM算法估算权重集合，进而确定类加权SAR影像分割模型的最优解，完成SAR影像的分割。
-
公开(公告)号：CN118644504A
公开(公告)日：2024-09-13
申请号：CN202410740731.3
申请日：2024-06-10
Applicant: 桂林理工大学
Abstract: 本发明提供一种基于空间约束邻域概率混合模型的SAR图像分割方法，涉及图像识别技术领域，本发明定义空间约束邻域概率混合模型，其中利用邻域概率混合模型建立像素强度的概率分布，利用马尔可夫随机场结合空间信息定义组分权重，进而建立基于空间约束邻域概率混合模型的对数似然函数，应用梯度优化方法求解对数似然函数的参数，包括邻域系数以避免人为设置系数导致的过分割或欠分割，通过最大化后验概率获得SAR图像分割结果。本发明可有效利用像素强度和空间信息，降低相干斑噪声的影响，同时可自适应确定邻域系数，本发明为灾害监测和资源勘探等提供图像识别数据，加快推进SAR图像在各领域的广泛应用。
-
公开(公告)号：CN117474936A
公开(公告)日：2024-01-30
申请号：CN202311541429.7
申请日：2023-11-17
Applicant: 桂林理工大学
IPC: G06T7/11 , G06V10/762 , G06V10/764 , G06V10/40
Abstract: 本发明提供一种结合DFIC和MTM的PolSAR图像区域化统计分割方法，涉及图像处理技术领域。该方法首先基于待分割PolSAR图像的极化相干矩阵，利用非相干极化分解方法提取多个极化特征，构成特征集合；再结合待分割PolSAR图像的极化特征和空间特征，利用DFIC算法实现待分割PolSAR图像的图像域的超像素分割；并在最优超像素分割上，利用能量函数定义最优超像素的类别标号采样函数；最后利用GMTM算法模拟任一超像素的类别标号采样函数，多次迭代后得到标号场的最优实现，得到PolSAR图像的最优分割结果。该方法提高了PolSAR图像分割精度。
-
公开(公告)号：CN113160264A
公开(公告)日：2021-07-23
申请号：CN202110398274.0
申请日：2021-04-14
Applicant: 桂林理工大学
Abstract: 本发明公开了基于融入空间信息的加权伽马混合模型的SAR影像分割方法，属于影像处理技术领域。读取待分割SAR影像；利用融入空间信息的加权伽马混合模型建立SAR影像统计模型，根据贝叶斯定理，得到基于融入空间信息的加权伽马混合模型的SAR影像分割模型；设定迭代次数，并在每次迭代过程中，利用马尔可夫链蒙特卡洛方法求解形状参数，以及利用期望最大化方法求解分量权重和尺度参数，进而得到基于融入空间信息的加权伽马混合模型的SAR影像分割模型的最优解；输出SAR影像分割结果。有效利用了像素光谱信息和空间信息，克服了由于形状参数结构复杂导致的参数求解困难、计算量大、效率低等问题，提高了SAR影像分割精度。
-
公开(公告)号：CN118918409A
公开(公告)日：2024-11-08
申请号：CN202410743371.2
申请日：2024-06-11
Applicant: 桂林理工大学
IPC: G06V10/774 , G06V10/44 , G06V10/80 , G06V10/75 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于RTMDet的油棕树识别方法，其特征在于，所述方法包括：获取油棕树数据集；利用所述油棕树数据集进行训练，学习油棕树的特征信息，得到训练好的预测模型，所述预测模型是基于RTMDet得到的；将需要预测的油棕树图像输入到训练好的预测模型中，检测出油棕树。本发明中通过使用SimSPPF代替SPPF结构，引入CSP‑ELANLayer结构，并使用UpSamplingbiliearn作为上采样方式，最后引入SGEAttention机制，提高油棕树关键特征的提取能力，能够实现油棕树目标的精确检测，且不同复杂情况下模型的适应性均较强，同时模型运行速度也较快。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.036 seconds)
