-
公开(公告)号:CN107563355B
公开(公告)日:2021-04-02
申请号:CN201710896978.4
申请日:2017-09-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于生成对抗网络的高光谱异常检测方法。1、构建符合高光谱图像数据特点的网络模型,2、使用高光谱数据集作为训练样本,训练出一个符合高光谱数据统计特性的概率模型,3、利用训练完成的判别器来计算待测像元属于真实高光谱数据集的概率,4、计算高光谱数据集中的每个像元的异常检测结果。本发明利用生成对抗网络的思想,训练出符合高光谱图像数据特征的概率模型,该模型能够生成符合真实高光谱数据集整体统计特性的生成数据集,并且能够判断一个像元属于高光谱数据集的概率。本发明不需要对高光谱数据集的特征进行模型假设,能够直接估计出符合待测高光谱数据统计特性的概率模型,使检测结果更加可靠。
-
公开(公告)号:CN109447993A
公开(公告)日:2019-03-08
申请号:CN201811248533.6
申请日:2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于混合真伪样本策略的海冰图像分割方法,包括以下步骤:使用菱形-正方形的分形方法生成仿真的海冰地形;分析实际海冰对应的色带信息,对仿真的海冰地形进行颜色赋值,根据仿真样本高程值设定分类阈值,生成真值图;对仿真的海冰地进行滤波预处理,并与收集到的带标签的真实海冰样本组成训练集;通过对称的编码器-解码器全卷积网络进行训练,得到海冰图像的分割网络;对待分割的海冰图像进行图像分割。本发明使用菱形-正方形的分形方法生成海冰的模拟地形,通过阈值设定得到带标签的真值图,补充训练集样本;有效地改善了小样本情况下海冰图像的分割效果,有利于海冰遥感图像分割技术的实际应用。
-
公开(公告)号:CN109446978A
公开(公告)日:2019-03-08
申请号:CN201811248505.4
申请日:2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于凝视卫星复杂场景的飞机动目标跟踪方法,包括以下步骤:输入视频数据;将第1帧分别与第xi1帧、第xi2帧、第xi3帧三次差分并累加;利用形态学滤波开运算处理消除融合后图像差值小处,得到潜在变化区域;选择更快的基于区域卷积神经网络作为检测网络,输入图像经过卷积层生成特征图,得到候选区域,进行分类以及候选区域微调得到检测网络;在视频首帧以变化区域为中心,提取w×h图像并利用检测网络进行目标检测,得到飞机动目标;使用多通道颜色特征算法对检测到飞机动目标进行跟踪,根据目标位置取出该帧目标窗和下一帧目标窗,对这两个窗进行快速傅里叶变换,转化后在频域图直接点乘。本发明能实现全自动的对飞机动目标实施跟踪。
-
公开(公告)号:CN106023218B
公开(公告)日:2018-10-26
申请号:CN201610363080.6
申请日:2016-05-27
Applicant: 哈尔滨工程大学
IPC: G06T7/00
Abstract: 本发明提供的是一种基于空谱联合背景共同稀疏表示的高光谱异常检测方法。(1)在光谱域中,采用背景共同稀疏表示检测器进行异常目标检测;(2)采用线性局部切空间排列即LLTSA的降维方法获得原高光谱图像低维流行数据;(3)对低维流行数据采用空间背景共同稀疏表示检测器进行异常检测;(4)采用如下的空谱联合背景共同稀疏表示检测器获得最终的异常检测结果d=αdspec+(1‑α)dspat,0≤α≤1。本发明不需要对高光谱数据进行模型假设,充分考虑了高光谱数据特有的非线性特性,且同时考虑了空间特性和光谱特性,使检测结果更加可靠。
-
公开(公告)号:CN119810659A
公开(公告)日:2025-04-11
申请号:CN202411880711.2
申请日:2024-12-19
Applicant: 哈尔滨工程大学
Abstract: 本申请的一种基于噪声标签的侵蚀沟提取方法,首先获取侵蚀沟遥感图像,并对侵蚀沟遥感图像进行多尺度变换和提取得到结果图,并根据得到的结果图来计算多尺度相似性损失项以提升模型的多尺度聚合能力和抗噪声能力;其次,根据侵蚀沟遥感图像和结果图计算得到细化标签图;最终,根据原始尺度提取结果图与噪声标签图的交叉熵损失函数、原始尺度提取结果图与细化标签图的交叉熵损失函数和多尺度相似性损失项求和得到侵蚀沟提取模型损失函数;根据得到的侵蚀沟提取模型损失函数对侵蚀沟提取模型进行优化;本申请的方法在侵蚀沟分割任务、侵蚀沟图像信息提取中取得卓越的效果。
-
公开(公告)号:CN114565850B
公开(公告)日:2025-03-25
申请号:CN202210203988.6
申请日:2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法,属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分;然后利用l2,1范数和域变换递归滤波器,对混合信息部分进行异常检测;并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息;融合低秩数据和混合信息部分的初始检测结果,得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
公开(公告)号:CN119516224A
公开(公告)日:2025-02-25
申请号:CN202411529699.0
申请日:2024-10-30
Applicant: 哈尔滨工程大学
IPC: G06V10/74 , G06V20/54 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455
Abstract: 一种SAR‑可见光‑红外的跨模态图像匹配方法,涉及图像匹配技术领域。本发明是为了解决现有跨模态图像匹配方法还存在匹配精度及效率低的问题。本发明包括:获得预处理后的待匹配车辆图像和预处理后的候选匹配车辆图像集合;将预处理后的待匹配车辆图像与预处理后的候选匹配车辆图像集合输入到图像匹配模型中,获得待匹配车辆图像特征向量、候选匹配车辆图像特征向量;获取每个候选匹配车辆图像特征向量与待匹配车辆图像特征向量的欧式距离,并根据欧式距离从大到小对候选匹配车辆图像特征向量对应的候选匹配车辆图像排序,并根据预设相似度阈值获得车辆图像匹配结果。本发明用于跨模态车辆图像匹配。
-
公开(公告)号:CN117593642A
公开(公告)日:2024-02-23
申请号:CN202311589951.2
申请日:2023-11-24
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V20/70 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 基于框与图像级注释的机载倾斜遥感图像建筑物提取方法,属于遥感图像信息提取技术领域。为了解决像素级实例分割时依赖于大量标注信息的问题,以及图像级注释信息不足引起的掩膜重叠的问题。本发明采用弱监督实例分割网络结合伪掩码细化模块的策略来生成伪实例掩码,利用伪实例掩码边界细化模块滤除伪实例掩码中冗余的边界信息,并结合遥感图像的信息对掩码的边界信息进行补充与优化;同时利用峰值注意力模块获取加强峰值注意力后实例的峰值响应图,提取实例的精确位置线索,再结合边界细化后的伪实例掩码,确认目标建筑物的中心点位置与偏移图,利用掩码分类精化模块获取更精准的实例信息。
-
公开(公告)号:CN113298808A
公开(公告)日:2021-08-24
申请号:CN202110692278.X
申请日:2021-06-22
Applicant: 哈尔滨工程大学
Abstract: 本发明的一种面向倾斜遥感图像中建筑物遮挡信息的修复方法属于图像处理技术领域,目的是为了克服现有图像遮挡信息修复方法中信息修复的策略不宜选择,导致修复的质量以保证的问题,方法具体步骤如下:步骤一、将倾斜遥感图像进行分块,得到分块遥感图像;步骤二、通过训练后的透视实例分割网络,得到分块遥感图像中每个独立建筑物的建筑物整体区域掩模面积和建筑物被遮挡区域掩模面积,并计算得到建筑物被遮挡区域掩模面积相对于的建筑物整体区域掩模面积的比例;步骤三、将比例与设定的比例阈值T比较,通过基于边缘推演的图像补全策略或对基于轮廓约束的图像补全策略倾斜遥感图像中建筑物遮挡信息进行修复。
-
公开(公告)号:CN109447092A
公开(公告)日:2019-03-08
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。
-
-
-
-
-
-
-
-
-