公开(公告)号：CN118967495A

公开(公告)日：2024-11-15

申请号：CN202410947027.5

申请日：2024-07-16

Applicant: 西安电子科技大学

Inventor： 张静 ,  张铭芮 ,  许达 ,  李云松

IPC: G06T5/70 ,  G06N3/0464 ,  G06V10/762 ,  G06V10/82 ,  G06V10/26 ,  G06T5/50 ,  G06V10/25

Abstract: 本发明是一种用于点云目标检测的伪超体素点云预处理方法，解决了点云数据预处理中的噪声处理、局部细节丢失及超体素分割耗时问题。实现包括得到伪图像特征图、获取类别分割掩码、构建保留空间细节特征的局部均值伪图像、生成伪超体素预处理后的伪图像特征图的效果。使用超像素算法提取超体素语义信息，速度和计算复杂度优于超体素算法；利用类别分割掩码和伪图像特征图的对应关系，进行局部均值化以减弱随机噪声影响，并构建跨通道注意向量与超体素因子矩阵调整特征权重分布，增强空间信息语义表达能力，提高检测精度，可应用于不同分辨率的点云目标检测特征图，无需对算法架构进行根本性修改，适用于自动驾驶、机器人导航等场景。

公开(公告)号：CN113240038B

公开(公告)日：2024-02-09

申请号：CN202110605139.9

申请日：2021-05-31

Applicant: 西安电子科技大学

Inventor： 张静 ,  王佳军 ,  许达 ,  李云松

IPC: G06V10/40 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明公开了一种基于高度‑通道特征增强的点云目标检测方法，用于解决现有检测方法对点云空间进行压缩的信息损失以及检测效果受限于点云分布特性的问题。本发明的步骤为：(1)从激光雷达实时接收到的点云数据块转换成聚合特征向量；(2)提取聚合特征向量中高度维度的注意力权重值；(3)提取聚合特征向量中通道维度的注意力权重值；(4)对聚合特征向量进行加权；(5)构建主干网络；(6)训练主干网络；(7)对点云目标进行检测。本发明将点云数据均分为四份，克服了点云数据的信息损失，通过提取对特征向量进行加权，增强了点云的关键特征，使得本发明对点云目标检测的平均精度得以提高。

公开(公告)号：CN117173020A

公开(公告)日：2023-12-05

申请号：CN202311137915.2

申请日：2023-09-05

Applicant: 西安电子科技大学

Inventor： 张静 ,  万泽康 ,  郑任杰 ,  张雪鹏 ,  余竞成 ,  李云松

IPC: G06T3/40 ,  G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于特征多样性提取的高光谱图像超分辨率重建方法，包括：生成高光谱图像训练集和测试集；搭建特征多样性提取子网络；搭建基于改进的3D亚像素卷积的图像重建子网络；基于特征多样性提取子网络和基于改进的3D亚像素卷积的图像重建子网络，搭建基于特征多样性提取的高光谱图像超分辨率重建网络；将训练集输入基于特征多样性提取的高光谱图像超分辨率重建网络中进行训练；将测试集输入训练好的基于特征多样性提取的高光谱图像超分辨率重建网络中进行超分辨率重建；本发明能够从高光谱图像的三个维度进行解耦与再融合，有效地针对不同特征进行了充分的利用与特征之间的互补，使得重建的高光谱图像更加精细化。

公开(公告)号：CN117079135A

公开(公告)日：2023-11-17

申请号：CN202311087228.4

申请日：2023-08-28

Applicant: 西安电子科技大学

Inventor： 张静 ,  吴俊 ,  张伟华 ,  宋良农 ,  施鑫龙 ,  李云松

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/26

Abstract: 一种基于光谱特征引导及空谱卷积的遥感图像云检测方法，包括：生成多光谱遥感图像训练集和测试集；构建基于光谱特征引导及空谱卷积的遥感图像云检测网络，所述基于光谱特征引导及空谱卷积的遥感图像云检测网络包括顺次级联的编码模块和解码模块，其中，编码模块包括短波红外云指数引导模块和顺次级联的多个空谱特征融合模块；利用训练集对基于光谱特征引导及空谱卷积的遥感图像云检测网络进行训练；将测试集输入到训练好的遥感图像云检测网络进行云检测；本发明将光谱特征和空间特征分别提取并最终融合，将多谱段的遥感数据有效的提取并融合，实现了遥感数据中的空间相关性和通道相关性解耦。

公开(公告)号：CN116912520A

公开(公告)日：2023-10-20

申请号：CN202310919325.9

申请日：2023-07-25

Applicant: 西安电子科技大学

Inventor： 王柯俨 ,  刘园 ,  周培诚 ,  麦兴国 ,  熊浩博 ,  刘凯 ,  张静 ,  李云松

IPC: G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80 ,  G06T9/00

Abstract: 本发明公开了一种基于空谱特征提取的高光谱端到端压缩方法，主要解决现有高光谱图像压缩方法不能充分利用高光谱图像光谱信息提取光谱特征的问题。其实现方案是：将现有高光谱数据集划分为训练集和测试集，并对训练集进行扩充；构建包括空谱特征提取模块、空谱特征融合编码模块、熵模型、空谱特征融合解码模块和空谱特征恢复模块组成的基于空谱特征提取的高光谱端到端压缩网络及其损失函数；将训练集按批量大小分别平分为多个图像组，并依次循环输入多次，直到损失函数收敛完成训练；将测试集输入到训练好的压缩网络，得到重建的高光谱图像。本发明能分别提取空间特征和光谱特征，有效提高高光谱图像压缩效率，可用于遥感高光谱图像的处理。

公开(公告)号：CN111738124B

公开(公告)日：2023-08-22

申请号：CN202010542977.1

申请日：2020-06-15

Applicant: 西安电子科技大学

Inventor： 张静 ,  周秦 ,  吴俊 ,  李云松

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/28 ,  G06V20/70 ,  G06V10/44 ,  G06V10/54 ,  G06V10/52 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明提供了一种基于Gabor变换和注意力机制的深度学习遥感云检测方法，解决了遥感图像云检测中对于特征提取不够充分的问题，实现步骤为：建立遥感图像数据库和对应的掩膜图；构建一个包括Gabor变换模块、注意力模块的卷积神经网络；确定网络的损失函数；将训练图像库中的训练样本输入到卷积神经网络中，通过梯度下降方法对损失函数迭代更新直至损失函数收敛，得到训练好的卷积神经网络；将测试数据库中的数据输入到卷积神经网络中获得云区域的检测结果；本发明采用基于Gabor变换和注意力机制的图像特征提取技术，使用深度学习方法进行遥感图像的云检测，特征提取充分，检测精度高，用于遥感图像的预处理过程。

公开(公告)号：CN116612010A

公开(公告)日：2023-08-18

申请号：CN202310717620.6

申请日：2023-06-16

Applicant: 西安电子科技大学

Inventor： 张静 ,  郑任杰 ,  陈旭 ,  洪兆龙 ,  李云松

IPC: G06T3/40 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于光谱相关信息和空间高低频信息的超分辨率图像重建方法。实现步骤为：在分别构建空谱联合特征提取子网络和空间高低频信息的多级特征融合子网络的基础上；构建光谱相关信息和空间高低频信息特征融合的超分辨率网络；利用生成的训练集训练超分辨率网络；对高光谱图像进行超分辨率重建。本发明利用光谱的混合注意力使得重建过程能够有效结合光谱维度与空间维度的联合信息，增强了对高光谱图像不同波段特征间的非线性学习能力，使重建得到高分辨率高光谱图像更加清晰，并且提升了对于高光谱图像纹理细节和边缘特征重建的能力。

公开(公告)号：CN116071603A

公开(公告)日：2023-05-05

申请号：CN202310198312.7

申请日：2023-03-03

Applicant: 西安电子科技大学芜湖研究院

Inventor： 张静 ,  许达 ,  李云松

IPC: G06V10/764 ,  G06V10/20 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82 ,  G06V10/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于相机和激光雷达的多类目标检测方法，主要解决现有目标检测方法检测精确度低的问题。其实现方案为：获取路面图像和点云数据；对点云数据进行体素化预处理；对预处理后的点云进行空间信息加强；对空间信息加强后的点云进行颜色信息融合；对融合后的点云进行卷积获得双加强伪图像；根据双加强伪图像得到待检测特征图；将待检测特征图送入SSD检测器，生成汽车行进过程中对前方目标的检测结果。本发明通过建立模态内映射矩阵和采样增强了点云的空间信息，通过尺寸调整和生成伪视图变换矩阵将RGB图像的颜色信息与点云进行融合，提高了目标检测的精确度，可用于无人汽车的自动驾驶。

公开(公告)号：CN113408398B

公开(公告)日：2023-04-07

申请号：CN202110663934.3

申请日：2021-06-16

Applicant: 西安电子科技大学

Inventor： 张静 ,  王雨晨 ,  王慧 ,  吴俊 ,  李云松

IPC: G06V20/13 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于通道注意力及概率上采样的遥感图像云检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于通道注意力及概率上采样的遥感图像云检测网络；对遥感图像云检测网络进行迭代训练；获取遥感图像云检测结果。本发明利用通道注意力模块提取浅层特征的空间纹理信息，并拼接至深层特征；同时采用概率上采样模块使得特征边缘信息更加连续，解决了薄云区域及云边界区域检测不准确的问题，提高了云检测精度。

公开(公告)号：CN115690605A

公开(公告)日：2023-02-03

申请号：CN202211414914.3

申请日：2022-11-11

Applicant: 西安电子科技大学芜湖研究院

Inventor： 张静 ,  宋良农 ,  王雨晨 ,  李云松

IPC: G06V20/13 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明提出了基于空谱联合的多光谱遥感图像云检测方法，实现步骤为：获取训练样本集和测试样本集；构建基于空谱联合的多光谱遥感图像云检测网络，对多光谱遥感图像云检测网络进行迭代训练；获取遥感图像云检测的结果。本发明构建基于空谱联合的多光谱遥感图像云检测网络中的空谱信息提取模块，能够有效提取多光谱遥感图像的空间信息和光谱信息并能将其融合，并通过上下文动态卷积模块将编码模块的浅层特征与解码模块的深层特征进行融合使得网络更加关注云边缘信息，识别的云的边界更加连续，从而有效提升了多光谱遥感图像云检测的精度。