-
公开(公告)号：CN111191700A
公开(公告)日：2020-05-22
申请号：CN201911333763.7
申请日：2019-12-23
Applicant: 长安大学
IPC: G06K9/62
Abstract: 本发明属于遥感图像处理领域，公开了一种基于自适应协同图判别分析的高光谱图像降维方法及装置。方法包括：从原始的高光谱数据中选取部分像素作为训练样本；建立以类别分块的Tikhonov正则权重系数矩阵，构造协同表示图；通过广义特征值分解，在最优化准则下，得到最优的投影矩阵P，将测试样本投影于低维空间，实现对高光谱数据降维。本发明将距离加权的Tikhonov正则化与基于l2-范数最小化的表示法耦合起来，把数据投影到低维流行空间，通过l2-范数获取协同表示特性。在构造图的过程中，充分挖掘类内像素之间的内在关系，通过距离加权度量自适应地调整协同表示。此外，图权重矩阵采用块对角结构设计，降低了计算成本，进一步提高了判别能力。
-
公开(公告)号：CN116958696A
公开(公告)日：2023-10-27
申请号：CN202310950554.7
申请日：2023-07-31
Applicant: 长安大学
IPC: G06V10/764 , G06V20/10 , G06V20/17 , G06V10/77 , G06V10/58 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种无人机高光谱遥感地物分类方法及系统，获取待测地物分类的遥感图像，对获得的遥感图像进行预处理，获得处理后的高光谱遥感图像数据；构建空间光谱注意力特征提取网络模型，将训练好的高光谱遥感图像数据输入空间光谱注意力特征提取网络模型，提取深层语义特征图；根据提取的深层语义特征图，获得高光谱遥感图像的深层语义信息；根据获得的高光谱遥感图像的深层语义信息，对待测地物分类的遥感图像的深层语义特征图进行分类，输出高光遥感图像的地物分类结果。该方法可以将有效的光谱特征图输入到训练好的空间光谱注意力特征提取网络模型中，使网络关注更重要的光谱信息，提高了地物分类的精度。
-
公开(公告)号：CN116188986A
公开(公告)日：2023-05-30
申请号：CN202310184762.0
申请日：2023-03-01
Applicant: 长安大学
Abstract: 本发明公开了一种遥感图像的道路提取方法及系统，涉及遥感数据处理技术领域，包括以下步骤：获取待提取的遥感图像；提取预处理后的遥感图像中的深层语义特征图；构建多尺度门控全融合网络并对其进行训练，该网络包括多尺度特征提取层以及门控全融合单元；其中，多尺度特征提取层包括多个不同空洞率的卷积层以及一个非局部池化层；将深层语义特征图输入到多尺度门控全融合网络中，得到遥感图像在不同尺度下的特征图；门控全融合单元过滤不同尺度下的特征图中的特征，得到最终道路的多尺度提取特征。本发明实现了获得带有多尺度且具有区分性的特征，这些特征使得网络可以提取到完整的道路，并能在一定程度上提取到云朵树木建筑物阴影下的道路。
-
公开(公告)号：CN116824356A
公开(公告)日：2023-09-29
申请号：CN202310156401.5
申请日：2023-02-23
Applicant: 长安大学
IPC: G06V20/10 , G06V20/13 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了多源遥感图像空间高程光谱特征提取与分类的方法及系统，涉及遥感图像数据处理技术领域，包括以下步骤：获取待融合的HSI图像数据、LiDAR图像数据的多个类内样本矩阵；构建空间高程特征提取模块，用于提取LiDAR图像数据的高程特征，以及HSI图像数据的空间特征，并利用空间注意力机制进行通道间的特征融合；构建多尺度空间特征提取模块提取HSI图像数据的多尺度空间特征；构建光谱特征提取模块获取HSI图像数据的光谱特征；构建特征融合模块，将所获得的高程特征、空间特征的通道权重进行相加融合后，再与光谱特征级联融合。本发明所提出的方法生成的分类图噪声小、计算效率和分类精度高。
-
公开(公告)号：CN114005046B
公开(公告)日：2024-07-02
申请号：CN202111299649.4
申请日：2021-11-04
Applicant: 长安大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及遥感图像处理领域技术领域，公开了基于Gabor滤波器和协方差池化的遥感场景分类方法，包括以下步骤：将高分辨率遥感图像分为训练集和测试集，训练集用于训练卷积神经网络模型；将训练集中的高分辨率遥感图像进行归一化处理，归一化处理后的高分辨率遥感图像输入Gabor函数的卷积层提取特征；将提取的特征输入协方差池化模块，获得图像的深层特征；根据图像的深层特征，通过反向传播得到卷积神经网络模型的模型参数，通过全连接层对图像的深层特征进行分类；使用测试集验证卷积神经网络模型对遥感场景的分类精度，这种基于Gabor滤波器和协方差池化的遥感场景分类方法，能够提高在高分辨率场景下的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN114005046A
公开(公告)日：2022-02-01
申请号：CN202111299649.4
申请日：2021-11-04
Applicant: 长安大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及遥感图像处理领域技术领域，公开了基于Gabor滤波器和协方差池化的遥感场景分类方法，包括以下步骤：将高分辨率遥感图像分为训练集和测试集，训练集用于训练卷积神经网络模型；将训练集中的高分辨率遥感图像进行归一化处理，归一化处理后的高分辨率遥感图像输入Gabor函数的卷积层提取特征；将提取的特征输入协方差池化模块，获得图像的深层特征；根据图像的深层特征，通过反向传播得到卷积神经网络模型的模型参数，通过全连接层对图像的深层特征进行分类；使用测试集验证卷积神经网络模型对遥感场景的分类精度，这种基于Gabor滤波器和协方差池化的遥感场景分类方法，能够提高在高分辨率场景下的分类精度。
-
公开(公告)号：CN116824262A
公开(公告)日：2023-09-29
申请号：CN202310824461.X
申请日：2023-07-06
Applicant: 长安大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V10/774 , G06V10/40
Abstract: 本发明提供了一种遥感图像场景分类方法，属于图像分类技术领域，包括利用旧类遥感图像数据vt作为训练数据对遥感图像场景分类模型进行训练，得到训练好的遥感图像场景分类模型Ft‑1；将适用于新的图像分类任务的特征提取网络模块#imgabs0#和Ft‑1的特征提取网络模块进行拼接，得到新的遥感图像场景分类模型Ft；在不平衡的数据集上对Ft进行训练，在Ft训练期间：在将vt输入Ft时Ft的输出和将Dt输入Ft时Ft的输出中添加比例因子，调整比例因子减轻Ft的分类偏差；利用线性分类器和知识蒸馏技术使得新模块#imgabs1#进一步学习旧类别。该方法能够让模型快速适应新的训练数据，生成适应于新老数据的模型，以利用模型进行图像分类。
-
公开(公告)号：CN116452819A
公开(公告)日：2023-07-18
申请号：CN202310516741.4
申请日：2023-05-09
Applicant: 长安大学
IPC: G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/42 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多源遥感图像处理方法及系统，属于遥感图像数据处理技术领域，通过获取待融合的高分图像数据、Lidar图像数据的多个数据增强样本矩阵，基于Resnet‑34网络提取Lidar数据空间信息、高程信息，利用Lidar数据信息提取Lidar图像数据的高程特征，利用高分图像提取高分图像数据的空间特征；构造多模态残差注意力融合块，对提取的特征进行融合，获取多模态的特征提取数据；提出改进的SE融合模块，对多模态的特征提取数据进行分层融合，将其最后一层的特征与底层的特征进行融合，获取跨层融合的输出数据，构建多层特征全局上下文信息学习模块FFD，获取频域的全局上下文信息；将获取的信息送入分类器进行分类，得到分类结果。
-
公开(公告)号：CN111191700B
公开(公告)日：2023-04-18
申请号：CN201911333763.7
申请日：2019-12-23
Applicant: 长安大学
IPC: G06V10/774 , G06V10/77 , G06V10/764
Abstract: 本发明属于遥感图像处理领域，公开了一种基于自适应协同图判别分析的高光谱图像降维方法及装置。方法包括：从原始的高光谱数据中选取部分像素作为训练样本；建立以类别分块的Tikhonov正则权重系数矩阵，构造协同表示图；通过广义特征值分解，在最优化准则下，得到最优的投影矩阵P，将测试样本投影于低维空间，实现对高光谱数据降维。本发明将距离加权的Tikhonov正则化与基于l2‑范数最小化的表示法耦合起来，把数据投影到低维流行空间，通过l2‑范数获取协同表示特性。在构造图的过程中，充分挖掘类内像素之间的内在关系，通过距离加权度量自适应地调整协同表示。此外，图权重矩阵采用块对角结构设计，降低了计算成本，进一步提高了判别能力。
-
公开(公告)号：CN109443283B
公开(公告)日：2020-09-04
申请号：CN201811154651.0
申请日：2018-09-30
Applicant: 长安大学
IPC: G01B21/16
Abstract: 本发明公开了一种飞行器便携式自由间隙检测装置，包括，用于夹持飞行器固定翼面的第一夹具，以及位于所述第一夹具一侧的用于夹持飞行器活动翼面的第二夹具，其中：所述的第一夹具安装在顶板上，顶板下方安装有可沿垂直于顶板方向运动的驱动板；所述的第二夹具上方通过压力传感器连接有平行于所述顶板的滑轨，滑轨上安装有可在滑轨上移动的轴台，轴台中安装有轴承，穿过轴承设置有一端与所述驱动板连接的主轴，主轴另一端与安装在轴台上的角度传感器连接。本发明设计的机械结构简单，便于操作人员操作，提高测量精度。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
