-
公开(公告)号：CN114359130B
公开(公告)日：2024-09-17
申请号：CN202111319654.7
申请日：2021-11-09
申请人： 上海海洋大学
IPC分类号： G06T7/00 , G06T7/12 , G01N21/88 , G06V10/82 , G06V10/80 , G06V20/17 , G06N3/0464 , G06N3/0455
摘要： 本发明涉及人工智能的技术领域，公开了一种基于无人机影像的道路裂缝检测方法，利用无人机采集道路裂缝图像，构建图像数据集；构建改进U‑Net神经网络模型，共七层，包括编码器和解码器，所述解码器包括三层，其最后一层中设置有CBAM注意力模块，编码后的各层特征图经上采样至原始输入图像大小，再与解码器中最后一层输出的特征图进行深浅层信息融合，然后进入CBAM注意力模块，所述CBAM注意力模块用于从通道层面和空间层面重新分配权重，得到更加聚焦裂缝的目标特征图；基于图像数据集，对构建好的改进U‑Net神经网络模型进行训练和测试，并利用训练好的改进U‑Net神经网络模型对待检图像进行检测。
-
公开(公告)号：CN114373144B
公开(公告)日：2024-09-06
申请号：CN202111490699.0
申请日：2021-12-08
申请人： 上海海洋大学
IPC分类号： G06V20/40 , G06N3/0464 , G06N3/08 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/80 , G06V10/82
摘要： 本发明涉及人工智能的技术领域，公开了一种用于高速视频中圆形标识点的自动识别方法，建立包括目标检测网络YOLOv4、显著性检测网络BASNet和圆心检测模块的检测网络模型，该目标检测网络YOLOv4用于圆形标识点的边框进行识别，该显著性检测网络BASNet用于边框所在图像中的圆形标识点进行二值化处理，该圆心检测模块用于对二值化处理后的圆心标识进行圆心检测；对图像样本集中各个图像中的圆形标识点分别进行标注，再依据边框的尺寸大小，选择目标检测网络YOLOv4中合适的检测头，然后以各个边框所在图像作为输入，对检测网络模型进行训练；利用训练好的检测网络模型对高速视频中各帧图像中各个圆形标识点的自动识别。
-
公开(公告)号：CN115423696B
公开(公告)日：2024-06-18
申请号：CN202210905728.3
申请日：2022-07-29
申请人： 上海海洋大学
摘要： 本发明公开了一种自适应线程参数的遥感正射影像并行生成方法，属于摄影测量技术领域。该方法包括：获取原始立体影像，根据其角点的像方坐标和DEM通过RFM模型迭代计算获得四至地理坐标，建立模拟纠正影像；根据GPU的性能参数和CUDA核函数确定线程块和线程网格参数；使用GPU并行计算，获得模拟纠正影像像元的地理坐标及地面高程值；通过RFM模型计算其在原始立体影像中的行列，并以其插值计算的灰度值作为纠正影像的灰度值，获得正射纠正影像。本发明使用自适应线程块适应不同的GPU，具有较好的性能及更加自动化。同时使用GPU并行计算，能够极大地缩短正射纠正的时间，满足对立体影像批量进行正射纠正处理的需要。
-
公开(公告)号：CN117974502A
公开(公告)日：2024-05-03
申请号：CN202410007322.2
申请日：2024-01-03
申请人： 上海海洋大学
摘要： 本发明公开了一种多幅亮度不均匀图像的色彩校正与自然度恢复方法，属于图像处理中的色彩校正技术领域。包括：获取至少两幅待处理影像，将每一幅所述待处理影像分解为照度分量和反射率分量；对每一幅所述待处理影像的照度分量进行自适应亮度改善和对比度增强，并采用颜色一致性优化策略进行优化；将每一幅优化后的所述待处理影像的照度分量和其对应的反射率分量合成为增强后的影像，并进行多波段混合以生成镶嵌图；采用分块的Wallis变换得到恢复后的每一幅所述待处理影像。本发明给出了用于多波段混合的定权策略，同时仅对图像的照度分量进行图像增强和颜色一致性优化有效地保留了图像的细节信息，两者组合实现了影像间强度的均匀过渡。
-
公开(公告)号：CN116894923A
公开(公告)日：2023-10-17
申请号：CN202310886947.6
申请日：2023-07-19
申请人： 上海海洋大学
摘要： 本发明公开了一种高分辨率遥感影像映射转换密集匹配与三维重建方法，包括步骤：接收第一遥感影像；对所述第一遥感影像进行正射纠正，获得第二遥感影像；对第二遥感影像进行重采样，获得第三遥感影像；对第三遥感影像进行自适应扩展分块，并对分块后的影像进行密集匹配生成对应的视差图；基于视差图和分块信息，将每对同名像点恢复到其在正射纠正影像上的坐标，再对同名点对进行逆正射纠正，将点对坐标恢复到第一高分辨率遥感影像上，获得对应的三维点坐标形成的三维点云；对三维点云进行栅格化采样生成高分辨率DSM。
-
公开(公告)号：CN115331049A
公开(公告)日：2022-11-11
申请号：CN202210914538.8
申请日：2022-08-01
申请人： 上海海洋大学
IPC分类号： G06V10/764 , G06V20/10 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于灾后无人机遥感影像的建筑物损毁分类方法，获取灾后的无人机遥感影像，并进行预处理；建立建筑物破坏分类网络模型并进行训练；该网络模型包括特征编码模块和分类模块，特征编码模块包括依次连接的带有注意力机制的多个卷积块，用于对无人机遥感影像进行特征编码，获取特征编码图，分类模块包括全局特征提取模块、上下文特征提取模块和分类器，全局特征提取模块用于对特征编码图进行全局特征提取，上下文特征提取模块用于对特征编码图进行上下文特征提取，分类器用于对融合了全局特征、上下文特征的图像特征进行分类；用训练好的建筑物破坏分类网络模型对获取灾后的无人机遥感影像进行损毁分类识别。
-
公开(公告)号：CN114937213A
公开(公告)日：2022-08-23
申请号：CN202210194973.8
申请日：2022-03-01
申请人： 上海海洋大学
摘要： 本发明属于目标检测的技术领域，公开了一种基于地球同步卫星数据的火点检测和识别方法，其特征在于：先计算每个波段的遥感影像中各个像素点对应的环境信息，再将所有波段的遥感影像中的每个像素点的图像信息与对应的环境信息拼接在一起，作为像素点的输入特征，逐个像素点输入神经网络模型进行火点检测，并将检测结果显示出来。本发明的火点检测方法使用环境背景值和环境稳定值作为环境信息，并使用卷积神经网络对数据进行学习，通过多尺度的卷积和残差结构，能够从多个尺度综合分析各个特征之间的关系，以此提取出更加本质的特征，同时残差结构保证了原始特征不会被丢失，使得模型能够适用于各种环境，提高火点检测的速度与预测的准确率。
-
公开(公告)号：CN117994421B
公开(公告)日：2024-10-11
申请号：CN202410025275.4
申请日：2024-01-08
申请人： 上海海洋大学
IPC分类号： G06T17/00 , G06N3/084 , G06N3/09 , G06N3/0464
摘要： 本发明属于三维重建的技术领域，公开了一种基于多视光学卫星影像的地表稠密三维重建方法，利用多视图卫星影像数据集对重建网络模型进行训练，再将训练好的重建网络模型用于三维重建，该重建网络模型包括特征提取模块和高程预测模块，特征提取模块先后经过特征金字塔网络FPN、DCN可变型卷积操作和注意力机制处理，提取不同尺度下的局部特征和全局特征，以得到不同尺度的特征体；高程预测模块按照尺度由小到大的顺序分别对不同的特征体进行可微RPC映射处理，再结合参考影像的上下文特征进行正则化处理，并且将小尺度特征体的正则化处理结果参与大尺度特征体的可微RPC映射处理，以最大尺度特征体的正则化处理结果作为最终结果。
-
公开(公告)号：CN114519723B
公开(公告)日：2024-05-28
申请号：CN202111599856.1
申请日：2021-12-24
申请人： 上海海洋大学
IPC分类号： G06T7/12
摘要： 本发明涉及人工智能的技术领域，公开了一种基于金字塔影像分割的陨石坑自动提取方法，其特征在于：以均分方式对待检月球DEM影像进行裁剪，构建多尺度金字塔影像，并将金字塔影像的所有层影像调整至统一尺寸，然后从底层至顶层将各层影像逐一输入U‑Net神经网络模型进行陨石坑的边缘分割，再利用模板匹配算法提取各个陨石坑的基于当前金字塔影像像素矩阵的像素中心坐标和大小，最后利用转换关系，计算各个陨石坑实际对应的经纬度中心坐标和半径。对现有陨石坑分割提取方法进行改进，使之适用于月球DEM中多尺度陨石坑的准确提取，为更完整的陨石坑目录集和航天器选址着陆提供支持。
-
公开(公告)号：CN117975284A
公开(公告)日：2024-05-03
申请号：CN202311730346.2
申请日：2023-12-15
申请人： 上海海洋大学
IPC分类号： G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
摘要： 本发明公开了一种集成Swin transformer和CNN的云检测方法，属于遥感图像云层检测技术领域。包括：从云层检测数据集中获取图像数据；构建基于深度学习的云层检测网络，并进行训练和测试；将待检测的图片输入训练好的所述基于深度学习的云层检测网络，输出云层检测结果。本发明引入Swin transformer来获取云层全局信息，保留的细节信息更加完整；设计可变形特征提取模块，从不同尺度自适应获取云层的不规则形状来提取云层的多尺度特征并进行融合，提升云层检测效果；同时利用残差融合模块重建Swin transformer过程中破坏的空间结构，更好的保留云层提取过程中的细节信息。
-
-
-
-
-
-
-
-
-
搜索结果
40 条记录 (耗时 0.032 秒)
