-
公开(公告)号：CN109584255B
公开(公告)日：2020-11-03
申请号：CN201811321623.3
申请日：2018-11-07
Applicant: 北京市遥感信息研究所
Abstract: 本发明公开了一种基于全色与高光谱图像融合的目标轮廓提取方法，包括：通过插值将高光谱图像采样至全色图像相同的空间分辨率，得到高光谱图像上的采样图像；对高光谱图像上的采样图像的可见光和近红外波段进行加权，得到低分辨率全色图像；将高光谱上的采样图像、低分辨率全色图像、全色图像生成全色与高光谱融合图像；计算全色与高光谱融合图像每个像元的类密度、区分度以及每个像元的类密度和区分度之积，得到中心似然度，确定中心像元；对全色与高光谱融合图像中的所有像元，按其与中心像元特征距离的远近划分为两个类别，从而得到目标的轮廓。本发明通过全色与高光谱图像融合，提升了高光谱图像的空间分辨率。
-
公开(公告)号：CN109584255A
公开(公告)日：2019-04-05
申请号：CN201811321623.3
申请日：2018-11-07
Applicant: 北京市遥感信息研究所
CPC classification number: G06T7/12 , G06T7/194 , G06T2207/10041 , G06T2207/20221
Abstract: 本发明公开了一种基于全色与高光谱图像融合的目标轮廓提取方法，包括：通过插值将高光谱图像采样至全色图像相同的空间分辨率，得到高光谱图像上的采样图像；对高光谱图像上的采样图像的可见光和近红外波段进行加权，得到低分辨率全色图像；将高光谱上的采样图像、低分辨率全色图像、全色图像生成全色与高光谱融合图像；计算全色与高光谱融合图像每个像元的类密度、区分度以及每个像元的类密度和区分度之积，得到中心似然度，确定中心像元；对全色与高光谱融合图像中的所有像元，按其与中心像元特征距离的远近划分为两个类别，从而得到目标的轮廓。本发明通过全色与高光谱图像融合，提升了高光谱图像的空间分辨率。
-
公开(公告)号：CN118864812B
公开(公告)日：2025-01-21
申请号：CN202410852439.0
申请日：2024-06-27
Applicant: 北京市遥感信息研究所
IPC: G06V10/25 , G06V10/44 , G06V10/766 , G06V10/80 , G06V20/10
Abstract: 本发明公开了一种航空图像多尺度旋转边界框回归方法及装置，该方法包括：获取航空图像样本数据集；对所述航空图像样本数据集进行预处理，得到航空图像旋转边界框回归数据集；基于航空图像旋转边界框回归模型，对所述航空图像旋转边界框回归数据集进行处理，得到航空图像物体类别及位置信息。本发明于提供了一种航空图像多尺度旋转边界框回归方法和装置，解决了航空图像中密集排列的不同尺度物体回归难的问题，提高了对航空图像中多尺度物体的感知能力和旋转边界框回归的准确性。
-
公开(公告)号：CN118941661A
公开(公告)日：2024-11-12
申请号：CN202410957605.3
申请日：2024-07-17
Applicant: 北京市遥感信息研究所
IPC: G06T11/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种侧摆角可控的遥感图像生成方法及装置，该方法包括获取遥感信息集合；利用所述遥感信息集合，对预设的侧摆角分类模型进行预训练，得到优化侧摆角分类模型；基于所述优化侧摆角分类模型和所述遥感信息集合，构建固定嵌入信息集合；利用所述优化侧摆角分类模型、预设的生成模型和所述遥感信息集合，构建优化生成模型；利用所述固定嵌入信息集合和所述优化生成模型，生成可控生成图像。本发明方法能够可控地生成不同侧摆角的遥感图像，有效增加遥感图像数据的丰富性。
-
公开(公告)号：CN115588140B
公开(公告)日：2023-04-18
申请号：CN202211305997.2
申请日：2022-10-24
Applicant: 北京市遥感信息研究所
IPC: G06V20/13 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种多光谱遥感图像多方向目标检测方法，该方法包括：获取多光谱遥感图像训练数据样本，进行样本标记，得到N个光谱通道训练数据集；利用卷积神经网络模型，提取训练数据集的单通道空间特征信息；将单通道空间特征信息，输入基于中心点预测的多方向目标检测模型，得到预测图；利用融合预测模型，处理N个光谱通道的预测图，得到融合预测图；计算第i(i＝1,2,…,N)个光谱通道的任务损失i和模仿损失i，对第i个光谱通道的检测模型进行训练，得到光谱通道互学习模型；利用光谱通道互学习模型对光谱通道的预测图进行处理，得到多光谱遥感图像多方向目标检测结果。本发明方法检测效果好，训练数据易获取，整体训练测试易实行。
-
Patent Agency Ranking
公开(公告)号：CN115588140A
公开(公告)日：2023-01-10
申请号：CN202211305997.2
申请日：2022-10-24
Applicant: 北京市遥感信息研究所
IPC: G06V20/13 , G06V10/82 , G06V10/774 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种多光谱遥感图像多方向目标检测方法，该方法包括：获取多光谱遥感图像训练数据样本，进行样本标记，得到N个光谱通道训练数据集；利用卷积神经网络模型，提取训练数据集的单通道空间特征信息；将单通道空间特征信息，输入基于中心点预测的多方向目标检测模型，得到预测图；利用融合预测模型，处理N个光谱通道的预测图，得到融合预测图；计算第i(i＝1,2,…,N)个光谱通道的任务损失i和模仿损失i，对第i个光谱通道的检测模型进行训练，得到光谱通道互学习模型；利用光谱通道互学习模型对光谱通道的预测图进行处理，得到多光谱遥感图像多方向目标检测结果。本发明方法检测效果好，训练数据易获取，整体训练测试易实行。
-
公开(公告)号：CN118941661B
公开(公告)日：2025-03-04
申请号：CN202410957605.3
申请日：2024-07-17
Applicant: 北京市遥感信息研究所
IPC: G06T11/00 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种侧摆角可控的遥感图像生成方法及装置，该方法包括获取遥感信息集合；利用所述遥感信息集合，对预设的侧摆角分类模型进行预训练，得到优化侧摆角分类模型；基于所述优化侧摆角分类模型和所述遥感信息集合，构建固定嵌入信息集合；利用所述优化侧摆角分类模型、预设的生成模型和所述遥感信息集合，构建优化生成模型；利用所述固定嵌入信息集合和所述优化生成模型，生成可控生成图像。本发明方法能够可控地生成不同侧摆角的遥感图像，有效增加遥感图像数据的丰富性。
-
公开(公告)号：CN118210966A
公开(公告)日：2024-06-18
申请号：CN202410209450.5
申请日：2024-02-26
Applicant: 北京市遥感信息研究所
IPC: G06F16/9535 , G06F16/9537 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开了一种位置增强与时间感知的人类在线行为预测方法及系统，该方法，包括获取预训练的行为预测网络模型；其中，行为预测网络模型，包括嵌入层、卷积层和预测层；将用户签到行为特征输入嵌入层进行用户签到行为特征嵌入以集成为用户行为表示；将用户行为表示输入卷积层进行基于位置增强和时间感知图卷积的用户表示和项目表示以输出最终用户嵌入和最终项目嵌入；将最终用户嵌入和最终项目嵌入输入预测层进行向量的点乘运算以基于运算结果对用户的未来行为进行预测。本发明能够构建一个更具表达能力的模型，以在相应的用户‑项目交互图中捕捉用户和项目之间的高阶连通性实现用户行为预测。
-
公开(公告)号：CN117372262A
公开(公告)日：2024-01-09
申请号：CN202311094702.6
申请日：2023-08-28
Applicant: 北京理工大学 , 北京市遥感信息研究所
IPC: G06T5/00 , G06T5/60 , G06N3/08 , G06N3/0895
Abstract: 本发明提出一种基于噪声迭代估计的自监督图像降噪增强方法，包括，获取带噪图像，构建盲点预处理去噪网络；构建并基于盲点预处理去噪网络训练噪声估计网络，通过噪声估计网络生成成对带噪图像；利用成对带噪图训练深度所述盲点预处理去噪网络，得到深度去噪网络；对深度去噪网络和所述噪声估计网络进行迭代优化；使用训练好的深度去噪网络和噪声估计网络对真实带噪图像进行去噪与成像。本发明提出的方法能够通过仅使用单张带噪数据集，完成噪声参数估计和去噪网络的训练，解放了深度去噪网络对成对数据的强依赖性。
-
公开(公告)号：CN116245902B
公开(公告)日：2023-11-14
申请号：CN202310232601.4
申请日：2023-03-06
Applicant: 北京市遥感信息研究所
IPC: G06T7/136 , G06T7/11 , G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于图像分割神经网络的复杂场景云检测方法及系统，方法包括：从预设的数据库中获取含云图像集，将含云图像集进行数据增强处理后，分为训练集和测试集；利用训练集对基于对抗网络的云检测网络架构进行训练，利用训练好的云检测网络架构对测试集进行处理，得到云检测结果。可见，本发明提供采用循环生成对抗网络结合数据增强方法解决了现有算法面向复杂场景时，无法满足理想的鲁棒性和精度问题；本发明结合了基于深度学习神经网络的方法，改善了传统方法需要经过大量复杂的图像预处理的问题，降低了算法所需时间，满足实时性检测的要求。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.026 seconds)
