-
公开(公告)号：CN118968302A
公开(公告)日：2024-11-15
申请号：CN202411058125.X
申请日：2024-08-02
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/25 , G06V10/58 , G06V10/74 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于蝶形Transformer网络的高光谱目标检测方法，包括：通过CEM检测器和SAM检测器进行联合掩码从而构建目标和背景训练数据；构建光谱像元编码机制和Transformer块，构建双蝶形Transformer网络，设计基于注意力的分离和聚集三重损失函数使用完成训练的双蝶形Transformer网络提取待测高光谱图像中各个像元光谱与先验目标光谱间差异的表示向量，将该表示向量输入双蝶形Transformer网络的分类头中得到两者之间的相似性，从而得到仅利用光谱信息的检测结果；使用指数函数增加光谱检测结果中目标和背景像元值的距离，再利用幂数函数将目标像元的值映射接近至原始光谱检测结果中的值，从而完成背景抑制。
-
公开(公告)号：CN118691963A
公开(公告)日：2024-09-24
申请号：CN202410522143.2
申请日：2024-04-28
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/26 , G06V10/58 , G06V10/772 , G06V10/52 , G06V10/74 , G06V10/762
Abstract: 本发明公开了一种基于双字典多尺度协同表示的高光谱异常检测方法，包括：首先利用超像素分割获得自适应的双窗口，以便更好的适应不同尺寸的异常目标。引入局部离群因子算法和局部背景信息统计法来构建双字典，分别是局部异常字典和局部背景字典，以便对待测像素进行更精准的异常检测。以被测像素与双字典中像元的相似度做加权函数，可以更好地区分背景和异常。这有助于提高异常像素的检测准确性和鲁棒性。最后构建多尺度的高光谱图像集，并对在多个尺度下对高光谱图像协同表示的异常检测结果进行融合，能够捕捉到不同尺度下的局部细节信息，融合多尺度的异常检测结果可以增强对图像局部细节的感知能力，从而更好地定位异常目标。
-
公开(公告)号：CN116295853B
公开(公告)日：2024-03-15
申请号：CN202310289863.4
申请日：2023-03-22
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G01J5/00 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明属于遥感技术领域，涉及多通道热红外数据地表温度反演方法、装置及电子设备，该方法根据大气顶部热辐射的表达式得到地表温度的第一表达式；将亮度温度转换为热红外通道的辐亮度；根据观测天顶角和大气水汽含量以及地表温度的第二表达式，得到地表温度的第三表达式；根据地表发射率之间与可见光‑近红外通道观测值的函数关系，得到地表温度的目标表达式。本发明通过拟合可见光‑近红外通道观测值、热红外通道辐亮度与地表温度之间的函数关系，结合观测天顶角与大气水汽含量数据将目标区域的多通道热红外数据应用于训练好的深度神经网络模型，反演得到目标区域的地表温度，提高了地表温度反演的精准度。
-
公开(公告)号：CN113191287B
公开(公告)日：2023-12-26
申请号：CN202110502069.4
申请日：2021-05-08
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/771 , G06V10/764 , G06N3/006
Abstract: 本发明公开了一种面向分类的高光谱图像波段选择方法，包括：求出高光谱图像每一个波段的类间离散度矩阵与类内离散度矩阵比值的迹，将其进行降序排列；采用灰狼算法将线性递减收敛因子改进为自适应非线性递减收敛因子；读取前一半的高光谱图像波段序列，进行随机排列，将其作为改进的灰狼算法的初始种群；将每个种群的类间离散度矩阵与类内离散度矩阵比值的迹作为改进灰狼算法的目标函数，搜索目标函数的最大值，其对应的个体就是所选的波段组合。该方法可有效选择出适用于分类的波段子集，考虑到基本的灰狼算法收敛速度慢，容易陷入局部极值，将类可分性准则与灰狼算法相结合，同时改善收敛因子，提高了灰狼算法的搜索性能。
-
公开(公告)号：CN116958807A
公开(公告)日：2023-10-27
申请号：CN202310650344.6
申请日：2023-06-03
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/58 , G06V10/82 , G06V10/74 , G06N3/045 , G06N3/0455 , G06N3/0499 , G06N3/088 , G06N3/0895
Abstract: 本发明公开了一种基于无动量对比学习和Transformer网络的高光谱图像目标检测方法，包括：首先基于Transformer的编码器设计了用于高光谱目标检测任务中进行光谱特征提取的编码器与动量编码器。为了在关注光谱长距离依赖关系和自相似性的同时不忽略光谱中的局部细节信息，光谱特征提取编码器与动量编码器通过设计的重叠光谱块特征映射和交互token前馈层来关注光谱的局部细节信息。其次通过无监督动量对比学习的方式进行光谱鉴别能力学习，其中队列与以动量方式缓慢更新的动量编码器被使用来提供数量充足且一致性好的负样本特征，以帮助模型学习到更好地表示。最后，通过指数与归一化操作，幂函数与归一化操作对通过余弦相似性得到的检测结果进行两次非线性拉升以抑制背景。
-
Patent Agency Ranking
公开(公告)号：CN116822156A
公开(公告)日：2023-09-29
申请号：CN202310650171.8
申请日：2023-06-02
Applicant: 大连海事大学
Abstract: 本发明公开了一种结合光学传输和光谱解混的高光谱油膜厚度估计方法，该方法首先构建与油膜厚度相关的光学传输反射率模型，对复杂的光学参数进行改进与简化，考虑水背景光谱的影响，扩展与油膜厚度相关的油水分层混合模型，更好地模拟光在油水分层混合结构中的传输。基于扩展的光学模型设计分层非线性解混模型，结合油水分层结构中的光学传输过程，设计并优化适合油水混合的光学‑非线性解混模型。基于提出的光学‑非线性解混模型进一步设计油膜厚度的反演算法，并构建真实场景中的溢油量估计框架。在合成数据、实验室室内油膜数据和室外油膜数据上，取得了较好的解混效果和厚度反演。在真实数据集上的应用证明该模型具有一定的实际应用价值。
-
公开(公告)号：CN116384237A
公开(公告)日：2023-07-04
申请号：CN202310327016.2
申请日：2023-03-29
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G06F30/27 , G01W1/02 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于遥感图像处理技术领域，涉及热红外大气参数反演方法、装置及电子设备，该方法包括：提取地表发射率信息和大气信息；确定大气参数，建立模拟数据集；构建双向长短期记忆神经网络模型；模型训练确定模型的结构参数；利用注意力机制对双向长短期记忆神经网络模型的输出特征向量的各个通道信息进行加权；模型训练；迭代更新直至模型的输出收敛，得到大气参数反演模型；得到热红外大气参数反演结果。本发明有效地解决了深度神经网络对数据挖掘能力较弱的问题，提出双向长短期记忆神经网络结构，利用通道注意力模块对不同的通道信息进行加权，获取不同通道辐亮度数据的相关性特征，得到热红外大气参数反演结果。
-
公开(公告)号：CN116306819A
公开(公告)日：2023-06-23
申请号：CN202310286996.6
申请日：2023-03-22
Applicant: 大连海事大学 , 中国科学院空天信息创新研究院 , 中国农业科学院农业资源与农业区划研究所
IPC: G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/10 , G01N21/27
Abstract: 本发明属于光谱定标技术领域，涉及基于光谱重构的高光谱交叉定标方法、装置及电子设备，该方法包括：建立具有多头注意力机制的卷积神经网络模型；选择目标波段的高光谱波段数据；建立长短期记忆神经网络模型，模型训练；高光谱波段数据重建得到目标波段高光谱数据；使用目标波段高光谱数据进行交叉定标。本发明有效解决了传统交叉定标要求待定标遥感器和目标遥感器之间必须有相近谱段的问题，通过具有多头注意力机制的卷积神经网络模型，训练卷积神经网络模型使其具有良好的波段选择能力并筛选出高光谱数据中代表性较强的波段，波段选择后利用长短期记忆网络进行光谱重建，拟合出需要的波段信息，进而满足交叉定标的需求。
-
公开(公告)号：CN115115933A
公开(公告)日：2022-09-27
申请号：CN202210524826.2
申请日：2022-05-13
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/74 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种基于自监督对比学习的高光谱图像目标检测方法，包括：首先对待检测的高光谱图像进行奇偶波段采样，然后将得到的奇偶波段高光谱图像用于训练相应的对抗卷积自编码器，将训练好的编码器的特征提取部分作为数据增强函数用于数据增强。正负对通过数据增强构建，主干用于提取增强样本的表示向量。然后使用它们对应的对比头将表示向量分别映射到光谱和聚类对比空间。在对比空间中，通过最大化正对的相似性同时最小化负对的相似性来学习光谱和簇的相似性和相异性，以增加目标和背景的表示向量之间的差异。最后，结合空间信息，使用边缘保持滤波器对利用光谱信息通过余弦相似度得到的检测结果进行处理得到最终的检测结果。
-
公开(公告)号：CN110378294B
公开(公告)日：2022-08-19
申请号：CN201910663298.7
申请日：2019-07-22
Applicant: 大连海事大学
Abstract: 本发明实施例公开了一种基于局部能量约束与特征融合的高光谱目标检测方法及系统，其包括：获取高光谱图像数据集中的各个像元所对应的信号含量图像；提取各个像元所对应的空间特征并构造关于目标地物的空间特征的图像；基于丰度阈值提取局部强化光谱特征；获取归一化后的空间特征矩阵并该空间特征矩阵的归一化空间特征与待检测图像进行融合以获取对应的融合特征；将局部强化光谱特征与融合特征进行特征融合以获取带有局部特征约束的图像；确定带有局部特征约束的图像中的非零信号所构成的集合并获取最局部能量约束检测因子；对待检测高光谱图像进行目标检测。本发明提高了检测精度，还在一定程度上克服了高光谱检测中常见的“同谱异物”现象。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.026 seconds)
