-
公开(公告)号：CN119672300A
公开(公告)日：2025-03-21
申请号：CN202411713736.3
申请日：2024-11-27
Applicant: 哈尔滨工程大学
IPC: G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 基于混合最小点‑瓦瑟斯坦距离的图像目标检测方法，属于目标检测技术领域，解决了现有计算机视觉的目标检测过程中存在弱小目标易漏检的问题。本发明获取目标图像，采用目标检测模型对图像进行处理，获得标记不同尺度目标的图像；目标检测模型通过预训练得到，具体训练过程为采用全局自注意力机制轻量骨干网络对样本图片进行多尺度特征提取，采用密集嵌套特征融合网络通过上采样或深度可分离卷积进行特征图尺寸转换，通道拼接，获取最终四个尺寸的特征图；对特征融合后的特征图进行不同尺度的位置置信度和类别预测；将所述预测值汇总，获取标记有不同尺度目标的图像，完成一次训练，直至达到预设训练次数，完成训练。本发明适用于图像目标检测。
-
公开(公告)号：CN119295947A
公开(公告)日：2025-01-10
申请号：CN202411539551.5
申请日：2024-10-31
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V20/17 , G06V10/26 , G06V20/70 , G06V10/54 , G06V10/56 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/048 , G06V10/74
Abstract: 一种基于多数据目标原型融合框架的侵蚀沟分割方法，涉及遥感图像目标提取技术领域，针对现有分割方法由于相似的纹理和光谱特征的干扰，导致了分割准确率低的问题，本申请通过将提供地形信息的数字高程数据和能够提供颜色和纹理等视觉特征的可见光影像进行有效融合，缓解了杂草等易混淆地物的纹理和光谱特征的干扰，最终提升了侵蚀沟分割的准确率。
-
公开(公告)号：CN114841319B
公开(公告)日：2024-11-22
申请号：CN202210474822.8
申请日：2022-04-29
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06V20/13 , G06V10/52 , G06V10/80 , G06V10/776 , G06V10/82
Abstract: 一种基于多尺度自适应卷积核的多光谱图像变化检测方法，属于多光谱图像变化检测领域。为了解决高光谱图像变化检测过程中，现有的方法存在对复杂地物信息提取困难、变化区域边界定位不准确的问题，本发明设计了权重共享的双侧编码路径的MASK‑Net，将基于自适应权重的卷积核选择模块嵌入到编码路径中提取图像中的多尺度特征；并将多尺度空间特征输入到本发明所设计的具有注意力机制的上采样模块来提取网络中的深层特征，通道注意力使得浅层特征和深层特征得到了选择性的融合，基于设计的网络进行检测；本发明还使用多模态条件随机场来对神经网络的结果进行二次检测实现变化像素的分类与定位。主要用于多光谱图像的变化检测。
-
公开(公告)号：CN117765193A
公开(公告)日：2024-03-26
申请号：CN202311795387.X
申请日：2023-12-25
Applicant: 哈尔滨工程大学
IPC: G06T17/05 , G06T7/73 , G06N3/048 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 一种针对遥感场景的快速表面重建方法，涉及遥感图像处理技术领域，针对现有表面重建方法，需要额外的掩模输入以确保表面重建的质量，进而导致重建效率低的问题，本申请以神经渲染作为基础，利用有符号距离场(SDF)作为3D场景的逻辑表示以确保详细的表面，同时采用体素网格作为底层数据结构以确保效率。因此，本申请不需要额外输入掩膜，可以实现快速重建场景的三维曲面表示，并能从任意视角合成高质量的视图。另外，本申请表面重建结果可以表示精确的几何形状。
-
公开(公告)号：CN113239829B
公开(公告)日：2022-10-04
申请号：CN202110550692.7
申请日：2021-05-17
Applicant: 哈尔滨工程大学
Abstract: 基于空间占用概率特征的跨维度遥感数据目标识别方法，属于遥感图像目标识别技术领域。本发明是为了解决目前没有一种有效的跨维度特征描述方法能够实现遥感数据中同一地物目标的二维图像数据与三维点云数据的关联问题。本发明首先训练二维图像的空间占用概率特征提取网络和三维点云的空间占用概率特征提取网络，然后对遥感数据中的二维图像数据和三维点云数据进行同类特征提取，即空间占用概率特征，最终基于空间占用概率特征实现遥感数据中同一地物目标的二维和三维数据之间的跨维度目标识别，即实现同一地物目标的二维图像数据与三维点云数据的关联。主要用于遥感数据的目标识别。
-
Patent Agency Ranking
公开(公告)号：CN109447092B
公开(公告)日：2021-08-20
申请号：CN201811248522.8
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于海冰场景分类的冰间通路提取方法，包括以下步骤：收集多场景的高分辨率机载海冰图像；分为包含冰间通路的场景和不包含冰间通路的场景，制作训练集和测试集并给训练集和数据集中的海冰图像制作标签；微调卷积神经网络VGG‑f，冻结VGG‑f归一化层、卷积层、池化层的权重参数，重新训练VGG‑f最后一层全连接层的权重参数实现模型的迁移，得到海冰图像的场景级分类结果；对包含冰间通路的场景进行Tamura特征提取，选取对比度作为包含冰间通路类别的图像代表性特征；对ORTSEG方法进行参数优化选择，实现目标场景中的包含冰间通路的场景提取。本发明可以更有效地提取冰间通路，保证提取可靠性。
-
公开(公告)号：CN113223159A
公开(公告)日：2021-08-06
申请号：CN202110584103.7
申请日：2021-05-27
Applicant: 哈尔滨工程大学
Abstract: 基于目标纹理虚拟化处理的单幅遥感图像三维建模方法，属于遥感图像技术领域，本发明为解决对遥感图像进行三维建模时目标纹理复杂冗余不利于本身结构信息提取，影响三维建模效果的问题。包括：以待建目标为中心裁剪为正方形小图像并去除目标以外背景信息，建立三维模型，利用三维模型图片作为风格图片采用对抗损失函数和循环一致性损失函数对生成对抗网络进行训练，应用图像虚拟化算法对单个目标RGB图像进行风格迁移处理，训练单个目标图像建模网络，使用图像虚拟化结果和目标对应的真实模型作为训练集，获得最优化的网络参数模型，建立从二维图像到三维模型的映射关系，利用移动立方体算法获得最终输出模型。本发明用于单幅遥感图像的三维建模。
-
公开(公告)号：CN113112589A
公开(公告)日：2021-07-13
申请号：CN202110395050.4
申请日：2021-04-13
Applicant: 哈尔滨工程大学
Abstract: 基于空间占用概率融合的增量式遥感图像的三维重建方法，属于遥感图像三维重建技术领域。本发明是为了解决利用单幅图像进行三维重建时，通过后续增加该建筑物的图像，无法对之前重建得到的建筑物模型进行优化，导致得到的三维建筑物结构特征精度低的问题。本发明方法包括：获取待重建建筑物目标图像和每个建筑物对应的建筑物模型；将图像和模型输入Onet单幅图像重建网络进行训练得到重建网络参数模型；将待重建目标建筑物图像输入模型，获取空间占用模型的边界，形成建筑物的空间占用模型；对所有空间占用模型进行三维信息融合，得到最终空间占用模型；生成三维表面网格，获得建筑物的三维模型，实现建筑物的三维重建。本发明用于三维建筑物重建。
-
公开(公告)号：CN106503734B
公开(公告)日：2019-08-06
申请号：CN201610899753.X
申请日：2016-10-14
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于三边滤波器和堆栈稀疏自动编码器的图像分类方法。首先，使用三边滤波器获取平滑的图像，提取所述图像的像素的光谱‑空间特征的同时滤除退化图像的高斯、斑点和脉冲噪声；其次，使用改进的堆栈稀疏自动编码器进行高阶特征提取；最后，利用随机森林分类器进行有监督微调网络和分类。本发明将改进的堆栈稀疏自动编码器和随机森林分类器引入到高光谱数据分类中，作为一种深度学习架构，改进的堆栈稀疏自动编码器可以逐层地提取光谱数据的抽象的和有用的深层次特征，从而提高光谱数据的分类性能。本发明不仅适用于对高光谱图像进行分类，同时也可以对其他图像进行分类。具有很强的可移植性，更易满足图像分类的需求。
-
公开(公告)号：CN114266967B
公开(公告)日：2024-11-15
申请号：CN202111534994.1
申请日：2021-12-15
Applicant: 哈尔滨工程大学
Abstract: 基于符号距离特征的跨源遥感数据目标识别方法，属于遥感图像目标识别技术领域。为了解决遥感数据目标识别中异源图像特征提取和地物识别存在差异较大的问题，本发明首先获得待识别的遥感图像，并输入符号距离特征提取网络进行符号距离特征提取，得到随机采样点到目标边界的距离值s；当输入数据仅为同源数据，取边界点集为最终边界点集，当输入数据为同一个目标的异源数据时，将可见光图像、红外图像、SAR图像对应的符号距离特征按照比例进行融合，再判定点是否属于目标表面，得到最终的边界点集；然后对得到的三维点集进行三维特征提取，得到三维特征向量，将特征向量XE通过分类器进行识别。主要用于遥感数据的目标识别。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.021 seconds)
