-
公开(公告)号：CN113034343B
公开(公告)日：2021-09-03
申请号：CN202110588085.X
申请日：2021-05-28
申请人： 南京理工大学
摘要： 本发明公开了一种参数自适应的高光谱图像分类GPU并行方法，包括以下步骤：针对高光谱分类并行算法，在CPU+多GPU异构平台上构造并行计算负载均衡模型；根据CPU+多GPU异构系统负载均衡模型采用二进制编码来对异构系统的参数配置方案进行描述；根据异构系统负载均衡模型采用布谷鸟搜索算法求解CPU+多GPU异构系统负载均衡模型的最优解；根据获得的最优解为异构系统配置相应的参数并运行高光谱遥感图像分类并行算法，参数包括：CPU参与计算的核数、CPU频率、GPU参与计算的设备数、GPU频率和CPU计算的任务占总任务的百分比。本发明能够充分利用CPU与GPU的计算资源，对高光谱遥感数据进行快速地分类。
-
公开(公告)号：CN113157661A
公开(公告)日：2021-07-23
申请号：CN202110451095.9
申请日：2021-04-26
申请人： 南京理工大学
IPC分类号： G06F16/182 , G06F16/2453
摘要： 本发明公开了一种基于云平台的高光谱遥感大数据奇异值分解的分布式并行优化方法，包括：将高光谱原始图像分块上传至HDFS分布式文件系统中，使用Spark云计算框架进行分布式并行读取；将读取结果封装成矩阵形式，并执行双边Jacobi方法；将所有分块数据的计算结果进行合并，对合并矩阵执行双边Jacobi算法。本发明能够快速、精确地对高光谱遥感图像进行奇异值分解。
-
公开(公告)号：CN112381106A
公开(公告)日：2021-02-19
申请号：CN202011365545.4
申请日：2020-11-28
申请人： 南京理工大学 , 中国铁路上海局集团有限公司南京供电段
摘要： 本发明公开了一种基于全局区域先验注意力机制的目标检测方法，包括如下步骤：遍历所有训练样本，统计目标出现在图像中的频率，得到全局先验注意力；获取待检测图像，利用训练得到的特征提取网络对图像进行特征提取，同时利用卷积神经网络提取自适应注意力，对全局先验注意力进行修正与增强得到自适应全局先验注意力，使用自适应全局先验注意力增强特征图；最后再进行目标检测。本方法提出了全局区域先验注意力机制网络，提升了训练收敛速度，在保证检测速度的同时提高了目标检测精度，在目标种类少出现在特定位置的目标检测应用场景中提升更加明显。
-
公开(公告)号：CN112149652A
公开(公告)日：2020-12-29
申请号：CN202011351142.4
申请日：2020-11-27
申请人： 南京理工大学
摘要： 本发明公开了一种用于高光谱图像有损压缩的空谱联合深度卷积网络方法，用于在低比特率下对高光谱图像进行有损压缩，该方法包括：高光谱图像整体输入到卷积神经网络当中训练和测试；编码器和解码器采用卷积结构提取高光谱图像的空谱特征，网络采用的激活函数为广义分裂归一化层，经过量化器和熵编码后得到比特流进行存储和传输；考虑到波段之间的相关性，首先采取单向光谱卷积针对光谱信息进行压缩和解压缩，再通过编码器提取空谱联合特征；网络损失函数为率‑失真损失函数。该损失函数平衡压缩率与图像失真程度，使得网络能够根据不同的平衡因子学习到不同的压缩能力，在性能上有了显著的提升。
-
公开(公告)号：CN108133465A
公开(公告)日：2018-06-08
申请号：CN201711489305.3
申请日：2017-12-29
申请人： 南京理工大学
IPC分类号： G06T5/00
摘要： 本发明公开了一种基于空谱加权TV的非凸低秩松弛的高光谱图像恢复方法。首先利用局部空间邻域的梯度信息，建立空谱联合的加权TV，继而在高光谱图像低秩恢复的框架下，引入矩阵的γ范数作为矩阵秩的非凸松弛，结合空谱加权TV，建立空谱加权TV的高光谱图像非凸低秩恢复模型。利用ADMM方法(Alternating Direction Method of Multipliers，交替方向乘子法)将模型分解为几个子问题，并分别采用非凸软阈值算子，分裂Bregman迭代，软阈值收缩算子等对转换后的子问题进行求解；得到恢复后的高光谱图像。本发明充分挖掘高光谱图像的光谱以及空间信息，具有很好的空间结构保持性能、光谱保真性，同时，具有良好的无偏性和鲁棒性，本发明能够快速、有效的去除混合噪声，得到具有良好视觉效果的高光谱图像。
-
公开(公告)号：CN106127179A
公开(公告)日：2016-11-16
申请号：CN201610514796.1
申请日：2016-06-30
申请人： 南京理工大学
IPC分类号： G06K9/00
CPC分类号： G06K9/0063 , G06K9/00684
摘要： 本发明公开了一种基于自适应分层多尺度的高光谱遥感图像分类方法，包括以下步骤：步骤1，根据光谱角计算像元的不规则邻域结构；步骤2，在不规则邻域结构中，根据Ka度量分层确定每层的尺度参数，逐层计算出每层对应的核矩阵，再利用最大投影方差得到每层核函数的权重，从而得出自适应分层多尺度核函数；步骤3，将高光谱图像映射到步骤2所得自适应分层多尺度核函数的核空间中，将待测像元基于由已知训练样本像元组成的字典线性表示，得到重构稀疏矩阵，并将待测像元分配到最优重构类别。本发明能够对高光谱遥感数据进行快速、精确的分类。
-
公开(公告)号：CN118644791B
公开(公告)日：2024-10-29
申请号：CN202411128580.2
申请日：2024-08-16
申请人： 南京理工大学
IPC分类号： G06V20/13 , G06V10/25 , G06V10/80 , G06V10/764
摘要： 本发明公开了一种地学领域知识引导的高光谱融合感算协同探测方法及装置，方法包括以下步骤：将感兴趣目标的地学领域先验光谱知识与采集的低分辨率高光谱‑高分辨率多光谱图像对同时作为输入；将潜在融合数据建模为目标与背景成分之和，利用地学领域知识引导目标子空间的校正；建立一种新型联合优化模型，由任意高阶张量秩最小化与正交子空间投影损失两个新型正则化项构成，迭代求解以实现利用地学领域知识与隐式高阶低秩性同时确保融合成像与目标探测；求解超定最小二乘方程进一步提升融合精度并增强地学知识的鲁棒表示；迭代重复上述步骤直至收敛，同时输出融合感知与探测计算结果。
-
公开(公告)号：CN118628366A
公开(公告)日：2024-09-10
申请号：CN202410899923.9
申请日：2024-07-05
申请人： 南京理工大学
IPC分类号： G06T5/50 , G06T5/60 , G06T3/4053 , G06T3/4046 , G06N3/0464 , G06N3/088 , G06V10/44 , G06V10/42 , G06V10/58 , G06V10/80 , G06V10/82 , G06N3/048
摘要： 本发明公开了一种基于自学习耦合扩散后验采样的无监督高光谱和多光谱图像融合方法及系统，方法包括：针对低分辨率高光谱图像和高分辨率多光谱图像，构建空间退化模型和光谱退化模型，通过高斯模糊和双三次插值模拟低分辨率图像；利用耦合扩散模型建立高光谱图像融合过程；耦合扩散模型的基本思想是通过扩散过程在空间和光谱维度上传播信息，从而提高图像的空间分辨率和光谱分辨率。本发明提出的融合方法通过多次迭代优化，使高光谱图像在空间和光谱维度上均得到有效提升；该方法能够在保持高光谱图像光谱特性的同时，显著提高其空间分辨率，适用于遥感图像处理等领域。
-
公开(公告)号：CN114511735A
公开(公告)日：2022-05-17
申请号：CN202210031944.X
申请日：2022-01-12
申请人： 南京理工大学
摘要： 本发明公开了一种级联空谱特征融合与核极限学习机的高光谱图像分类方法及系统，方法包括：对高光谱图像进行归一化预处理操作，并将数据集分为训练集和测试集；使用空‑谱注意力残差神经网络对输入的高光谱图像进行卷积来分别获取空间和光谱信息；利用训练好的网络对测试集的数据进行空‑谱特征提取，在对该神经网络进行训练的同时计算出核极限学习机隐藏层的输出权重矩阵，之后将提取的特征以及输出权重矩阵输入到核极限学习机中，从而达到对高光谱图像的分类目的。本发明充分利用高光谱图像光谱注意力信息和空间注意力信息，能够对高光谱遥感数据进行深度的特征提取从而快速精确的分类。
-
公开(公告)号：CN114329124A
公开(公告)日：2022-04-12
申请号：CN202111547919.9
申请日：2021-12-16
申请人： 南京理工大学
IPC分类号： G06F16/906 , G06K9/62
摘要： 本发明公开了一种基于梯度重优化的半监督小样本分类方法，包括：根据类别信息将数据集划分为元训练阶段和元测试阶段，每个阶段有若干个任务，每个任务分为支持集和查询集，支持集包括有标签数据和无标签数据，计算每个支持集中有标签训练样本的梯度信息，进行梯度优化得到粗分类器；利用粗分类器预测无标签数据的伪标签，得到支持集的全部标签；对支持集数据进行梯度重优化得到精分类器，再测试得到查询集的结果。本发明充分利用少量的有标签数据和无标签数据的梯度信息，提高算法的准确度，并且在计算样本梯度信息和梯度重优化过程中使用元任务的一阶近似值来代替二阶导信息，从而提升分类的速度。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.062 秒)
