-
公开(公告)号：CN111079604A
公开(公告)日：2020-04-28
申请号：CN201911243920.5
申请日：2019-12-06
发明人： 丁忆 , 李朋龙 , 罗鼎 , 张泽烈 , 李晓龙 , 肖禾 , 马泽忠 , 段松江 , 刘金龙 , 王亚林 , 吴凤敏 , 钱进 , 刘朝晖 , 曾远文 , 魏文杰 , 林熙 , 范文武 , 刘建 , 黄印 , 卢建洪
摘要： 本发明公开了一种面向大尺度遥感图像的微小目标快速检测方法，包括步骤：利用轻量级的残差结构构建Tiny-Net模块，并对输入的遥感图像进行特征图提取；搭建全局注意力模块；在全局注意力模块后依次连接分类器与检测器，并利用分类器检测当前输入图像块中的目标；对检测出的目标采用k-means聚类方法得到k个尺度的先验框；使用区域提案网络得到提案区域，并采用位置敏感的ROI池化对提案区域进行池化；训练网络，并利用训练好的网络对新输入的遥感图像进行微小目标的精确检测定位。其显著效果是：实现了快速精确的检测大尺度遥感图像中的微小目标，使得对大尺度遥感图像的目标实时检测成为可能。
-
公开(公告)号：CN110427836A
公开(公告)日：2019-11-08
申请号：CN201910625252.6
申请日：2019-07-11
发明人： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
摘要： 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
公开(公告)号：CN118918475A
公开(公告)日：2024-11-08
申请号：CN202410983698.7
申请日：2024-07-22
IPC分类号： G06V20/10 , G06V20/52 , G06V10/26 , G06V10/40 , G06V10/42 , G06V10/54 , G06V10/58 , G06V10/762 , G06V10/764 , G06V10/77 , G06V10/80
摘要： 本发明公开了一种多维度多尺度遥感与地形特征融合的耕地非农化智能监测方法，步骤1、获取高分辨率影像、高光谱影像、DEM数据、耕地真值矢量数据、已调查监测的耕地矢量数据；步骤2、分割和聚类超像素地物对象；步骤3、以超像素地物对象为单位，提取各超像素地物对象范围内的特征；步骤4、将训练区提取的各特征组合成每个超像素地物对象的特征向量，构建超像素耕地对象训练样本数据；步骤5、训练耕地对象识别模型；步骤6、提取测试区耕地；步骤7、基于提取的测试区耕地和已调查监测的耕地矢量数据，利用空间叠置分析自动提取耕地变为非耕地的图斑，对该图斑进行优化、过滤筛选出耕地非农化图斑。本发明具有实操性、便捷性、可行性等优势。
-
公开(公告)号：CN118918416A
公开(公告)日：2024-11-08
申请号：CN202410983697.2
申请日：2024-07-22
IPC分类号： G06V10/774 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/40 , G06V10/44 , G06V10/54 , G06V20/10
摘要： 本发明公开了一种基于置信学习的建筑物语义分割样本集错误样本剔除方法，包括：步骤1、将历史建筑物成果矢量和高分辨率影像裁切为S个初始建筑物语义分割样本；步骤2、提取所述样本的各样本影像特征图；步骤3、以每个样本中单像素邻域为处理单元，将初始建筑物语义分割样本转换为邻域图像块识别样本；步骤4、构建置信学习模型；步骤5、邻域图像块识别样本采用K折交叉验证估计噪声标签和真实标签的联合分布；步骤6、使用噪声标签和真实标签的联合分布查找错误标签，通过错误标签在初始建筑物语义分割样本中的占比，根据置信度阀值法估计出初始建筑物语义分割样本集中的错误样本。本发明能快速查找出建筑物语义分割样本集中的错误样本。
-
公开(公告)号：CN117011698B
公开(公告)日：2024-05-03
申请号：CN202310753327.5
申请日：2023-06-25
IPC分类号： G06V20/10 , G06V10/774 , G06V10/764 , G06V10/26 , G06V20/70 , G06V10/82
摘要： 本发明公开了一种多维度和多模型的地表全覆盖解译样本集评价方法，步骤1：构建地表覆盖解译样本集评价指标；步骤2：建立指标打分模型和泛化性评价模型；步骤3：将待评价样本集分别训练指标打分模型和泛化性评价模型，指标打分模型得到各评价指标得分；步骤4：对各评价指标得分进行交叉综合分析并加权计算得出指标评分；步骤5：构建泛化性评估测试数据集；步骤6：在泛化性评估测试数据集对泛化性评价模型进行测试，得到泛化性评分；步骤7；建立指标评分和泛化性评分的评级，若评级不同，则取较低评级为最终样本集评价。本发明从样本集自身特性和模型训练泛化性两个角度出发，使得地表覆盖解译样本集的评价更加有效、客观。
-
公开(公告)号：CN117036756B
公开(公告)日：2024-04-05
申请号：CN202310994138.7
申请日：2023-08-08
IPC分类号： G06V10/75 , G06V10/74 , G06V10/82 , G06N3/0455
摘要： 本发明公开了一种基于变分自动编码器的遥感图像匹配方法及系统，包括：步骤S1：获取遥感影像图像上的待匹配图像块；步骤S2：利用变分自编码器提取所述待匹配图像块和对应遥感影像底图的特征，获得所述待匹配图像块和所述遥感影像图像的各兴趣点集；步骤S3：将各所述兴趣点集进行特征尺度和主导方向分配；步骤S4：使用归一化互相关匹配算法对所述步骤S3中特征尺度和主导方向分配后的兴趣点集进行匹配，得到匹配度矩阵得分，根据所述匹配度矩阵得分确定最佳匹配区域。本发明提高了遥感图像匹配的精度和工作效率。
-
公开(公告)号：CN117636179A
公开(公告)日：2024-03-01
申请号：CN202311478183.3
申请日：2023-11-08
IPC分类号： G06V20/13 , G06V10/774 , G06V10/80 , G06T7/136 , G06T7/194
摘要： 本发明涉及数字图像处理技术领域，且公开了一种全局特征交互变化检测方法，具体是指：利用采集设备获取同一区域两个时期的影像数据；原始数据集进行数据预处理；构建孪生网络模型；在孪生网络模型的输入层进行特征融合并得到相应层级的特征表示；比较两个时期的相应层级的特征表示判断该层级特征表示是否存在变化；对层级特征表示存在变化的区域进行变化分割并评估；评估变化检测不合格率；对变化检测不合格的区域进行排除问题点；将变化检测的结果进行可视化展示；有利于两期影像的特征在网络浅层就开始交互，使得网络的每一层都参与语义变化信息的学习大大的提升了网络性能，还提高了语义变化区域的检出率。
-
公开(公告)号：CN115761020A
公开(公告)日：2023-03-07
申请号：CN202211476822.8
申请日：2022-11-23
申请人： 重庆市地理信息和遥感应用中心
IPC分类号： G06T9/00 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于神经网络自动构建的影像数据压缩方法，包括步骤：待压缩影像数据预处理；初始化神经网络种群；神经网络种群的迭代训练与更新；神经网络种群演化；导出数据完成压缩。其显著效果是：通过神经网络对影像数据进行编码和重建，将影像数据压缩存储至神经网络的参数中，大幅减少了数据占用的存储空间；具有更强的通用性和易用性，能够用于压缩各种类型、不同规模、不同复杂度的影像数据集。
-
公开(公告)号：CN115661655A
公开(公告)日：2023-01-31
申请号：CN202211368443.7
申请日：2022-11-03
申请人： 重庆市地理信息和遥感应用中心
IPC分类号： G06V20/10 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/0455 , G06N3/08
摘要： 本发明公开了一种高光谱和高分影像深度特征融合的西南山区耕地提取方法，包括步骤：制作训练样本集；构建高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络；输入所述训练样本集对高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络进行训练；采用训练后的高光谱影像和高分影像协同双输入单输出语义分割卷积神经网络模型对待识别测试区影像进行处理，获得耕地提取结果。其显著效果是：设计了高光谱影像和高分影像协同的双输入单输出卷积神经网络，综合利用了高分辨率影像的空间结构特征和高光谱影像的光谱特征，实现了对西南山地区域耕地的精准提取，显著提高了目标提取精度。
-
公开(公告)号：CN112862774B
公开(公告)日：2021-12-07
申请号：CN202110140476.5
申请日：2021-02-02
申请人： 重庆市地理信息和遥感应用中心 , 武汉大学
摘要： 本发明公开了一种遥感影像建筑物精确分割方法，包括步骤：构建包括特征提取模块、空洞卷积模块、注意力模块、上采样模块与卷积预测模块的建筑物提取网络；基于训练样本集，采用Dice Loss与BCE Loss相结合的多尺度复合损失函数，对构建的建筑物提取网络进行训练；将待提取的遥感影像输入训练好的建筑物提取网络，得到建筑物提取结果。其显著效果是：特征学习，泛化能力强；网络复杂度低，易于训练；建筑物提取精度高。
-
-
-
-
-
-
-
-
-
搜索结果
52 条记录 (耗时 0.051 秒)
