公开(公告)号：CN116563606A

公开(公告)日：2023-08-08

申请号：CN202310380529.X

申请日：2023-04-11

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  王睿智 ,  罗甫林 ,  张磊 ,  谭晓衡 ,  陶洋

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/42 ,  G06V10/58 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种基于双分支空谱全局特征提取网络的高光谱图像分类方法。该方法通过分别学习高光谱图像的空间特征和光谱特征。其特点在于学习空间特征的空间子网络主体部分为编码解码结构，并利用跳跃连接，空间注意力和通道注意力增强特征表示。此外，设计了一个空间全局特征表示模块用于学习编码后的空间特征，并利用该模块表达全局空间特征。学习光谱特征的光谱子网络采用了渐进式特征学习的思想，并利用视角注意力强化渐进学习到的特征。最后，再利用自适应加权方法，融合两个子网络的结果。在多个真实高光谱遥感图像数据集上的实验结果显示，本发明所提出的双分支空谱全局特征提取网络能够取得优异的分类性能。

公开(公告)号：CN119942297A

公开(公告)日：2025-05-06

申请号：CN202411912211.2

申请日：2024-12-24

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  周保江 ,  姚沫 ,  罗甫林 ,  谭晓衡 ,  高莹 ,  陶洋

IPC: G06V10/82 ,  G06V10/42 ,  G06V10/80 ,  G06V10/44 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明提出了一种基于多样化特征学习和协调的红外小目标检测方法。该方法提出了多样化特征捕获和协调网络，该网络通过多路径编码学习并协调多样化特征。多样化特征学习与协调网络包括一个与检测分支并行运行的红外图像重建分支，通过互补的上下文编码保持小目标信息，并减少特征丢失。此外，本发明引入了一个使用FTConv的全局特征提取分支，用于捕捉目标边缘并抑制背景噪声。跨层特征自适应选择方法自适应地协调各层特征，增强了在复杂背景中的检测能力，并保持了小目标细节。本发明还提出了坐标校准损失函数和两阶段训练策略，用于细化预测的目标位置。三个红外小目标数据集上的实验结果表明，本发明所提出的方法优于当前的最先进方法。

公开(公告)号：CN119810666A

公开(公告)日：2025-04-11

申请号：CN202510009762.6

申请日：2025-01-03

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  杨宇坤 ,  罗甫林 ,  张磊 ,  姚沫 ,  李游晋阳 ,  杨柳

IPC: G06V20/10 ,  G06N3/045 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06V10/80 ,  G06V10/26

Abstract: 本发明公开了一种基于双解码器双Transformer背景增强重建网络的高光谱遥感图像异常目标检测方法。该方法引入和设计了一种新颖的背景特征净化解码任务，通过聚焦注意力于背景特征来减小重建过程中异常像素的影响。考虑到异常和背景不同的特点，设计了一个异常剥离屏蔽辅助分支模块，对异常特征进行弱化，为解码阶段补充更丰富的没有异常的背景信息。此外，为进一步引导纯净背景的重建，还设计了一种新颖的交叉引导Transformer模块，用于全局集成多尺度背景属性特征。最后，通过使用协同优化损失函数，对空间光谱和频域中的潜在异常进行双重约束学习，完成异常目标的精确检测。在高光谱数据集上实验结果表明，本发明能够显著提升异常检测的准确性和鲁棒性。

公开(公告)号：CN118135399A

公开(公告)日：2024-06-04

申请号：CN202410253788.0

申请日：2024-03-06

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  高莹 ,  罗甫林 ,  张磊 ,  周保江

IPC: G06V20/10 ,  G06V20/13 ,  G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种基于边缘增强双编码器方向感知网络的卫星影像道路提取方法。该方法采用方向边缘检测器提取道路图像的边缘，并将得到的边缘图作为辅助信息，用于补充原图在不断卷积和下采样过程中导致断裂的细小道路。考虑到原图和边缘图不同的特点，还设计了双分支编码器，分别对原图和边缘图进行特征提取。为了更好地融合双编码路径中的边缘特征和空间特征，并捕获空间特征中的细长结构，在编码器与解码器中嵌入了方向空间注意力模块，将得到的特征集成到道路解码器中。此外，为了充分挖掘潜在的道路信息，还设计了分组局部‑全局特征融合模块，用于交换不同通道间的多尺度语义信息。在道路数据集上的实验结果显示，本发明提出的基于边缘增强双编码器方向感知网络的卫星影像道路提取方法能够提升道路提取的完整性。

公开(公告)号：CN116402798A

公开(公告)日：2023-07-07

申请号：CN202310380512.4

申请日：2023-04-11

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  何龙 ,  罗甫林 ,  李新月 ,  李嫄源 ,  谭晓衡 ,  陶洋

IPC: G06T7/00 ,  G06T5/00 ,  G06V10/762 ,  G06V10/772

Abstract: 本发明提出了一种用于高光谱遥感图像异常检测的分层式鲁棒判别学习方法。其特点在于通过强化高光谱图像中背景成分与异常目标成分结构上的非相干约束，以促进两者之间的内在非相干性与相异性，从而增强两者的可分离性。通过l1，1范数和Frobenius范数来有效刻画真实场景下高光谱遥感图像获取过程中引入的复杂混合噪声，提高异常目标检测模型的抗噪声性能。为更精确地分离深度混合的背景和异常目标，获得稳健且检测能力更强的异常目标检测模型，设计了分层式的检测思想，渐进式地分离深度混合的高光谱遥感图像中的背景和异常目标成分。本发明不仅可以提高背景和异常目标之间的可区分能力，而且具有非常强的噪声抑制性能和检测鲁棒性。

公开(公告)号：CN118038157A

公开(公告)日：2024-05-14

申请号：CN202410201437.5

申请日：2024-02-23

Applicant: 重庆邮电大学

Inventor： 郭坦 ,  周保江 ,  罗甫林 ,  谭晓衡 ,  高莹

IPC: G06V10/764 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种基于双编码器多阶段特征融合网络的红外小目标检测方法。该方法通过从红外图像中提取更多有价值的信息，并充分利用网络不同阶段的特征信息。其特点在于设计一个具有不同的输入的双编码器，以捕获更多与小目标相关的信息。此外，设计了一个感受野扩展注意力模块用于整合非局部上下文信息，以提取多尺度空间信息和丰富通道交互信息。在解码阶段，采用三输入特征融合模块来交换低级空间细节和高级语义信息，以在更深层中保留更多小目标信息。最后，再通过连接来自解码器不同层的多尺度特征，生成更具区分性的特征图。在红外小目标数据集上的实验结果显示，本发明所提出的双编码器多阶段特征融合网络能够取得出色的检测性能。