-
公开(公告)号：CN116245902A
公开(公告)日：2023-06-09
申请号：CN202310232601.4
申请日：2023-03-06
Applicant: 北京市遥感信息研究所
IPC: G06T7/136 , G06T7/11 , G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于图像分割神经网络的复杂场景云检测方法及系统，方法包括：从预设的数据库中获取含云图像集，将含云图像集进行数据增强处理后，分为训练集和测试集；利用训练集对基于对抗网络的云检测网络架构进行训练，利用训练好的云检测网络架构对测试集进行处理，得到云检测结果。可见，本发明提供采用循环生成对抗网络结合数据增强方法解决了现有算法面向复杂场景时，无法满足理想的鲁棒性和精度问题；本发明结合了基于深度学习神经网络的方法，改善了传统方法需要经过大量复杂的图像预处理的问题，降低了算法所需时间，满足实时性检测的要求。
-
公开(公告)号：CN110008899B
公开(公告)日：2021-02-26
申请号：CN201910262483.5
申请日：2019-04-02
Applicant: 北京市遥感信息研究所
Abstract: 本发明涉及一种可见光遥感图像候选目标提取与分类方法，属于遥感图像处理和分析技术领域，解决了现有方法提取候选目标数量太多及分类精度低的问题。包括以下步骤：通过第一滑窗在遥感图像中提取大尺度区域，并输入到训练好的候选区域识别模型中，得到包含感兴趣目标的候选区域；通过第二滑窗在上述候选区域中提取候选目标；利用训练好的候选目标分类模型对上述提取的候选目标进行两步分类，确定候选目标的类别。本发明实现了在相同的召回率下，提取的候选目标数量远少于现有方法，同时，在使用相同的特征和相同的分类器的条件下，通过两步分类，大大提高了候选目标分类精度。
-
公开(公告)号：CN116245902B
公开(公告)日：2023-11-14
申请号：CN202310232601.4
申请日：2023-03-06
Applicant: 北京市遥感信息研究所
IPC: G06T7/136 , G06T7/11 , G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/084
Abstract: 本发明公开了一种基于图像分割神经网络的复杂场景云检测方法及系统，方法包括：从预设的数据库中获取含云图像集，将含云图像集进行数据增强处理后，分为训练集和测试集；利用训练集对基于对抗网络的云检测网络架构进行训练，利用训练好的云检测网络架构对测试集进行处理，得到云检测结果。可见，本发明提供采用循环生成对抗网络结合数据增强方法解决了现有算法面向复杂场景时，无法满足理想的鲁棒性和精度问题；本发明结合了基于深度学习神经网络的方法，改善了传统方法需要经过大量复杂的图像预处理的问题，降低了算法所需时间，满足实时性检测的要求。
-
Patent Agency Ranking
公开(公告)号：CN116152660A
公开(公告)日：2023-05-23
申请号：CN202310148968.8
申请日：2023-02-14
Applicant: 北京市遥感信息研究所
IPC: G06V20/10 , G06V10/774
Abstract: 本发明公开了一种基于跨尺度注意力机制的广域遥感图像变化检测方法，该方法包括：获取待检测遥感图像信息；待检测遥感图像信息中的待检测遥感图像为同一地区不同时间的广域遥感图像；对待检测遥感图像信息进行归一化处理，得到标准遥感图像信息；利用遥感图像变化检测模型对标准遥感图像信息进行处理，得到图像检测结果；图像检测结果表征待检测遥感图像信息在同一地区不同时间的广域遥感图像变化情况。可见，本发明有利于针对不同卫星、不同分辨率的遥感图像，以及成像角度不同、天气状况复杂、季节变化等不同场景，实现对伪变化问题的高精细度、高效率、高鲁棒性的变化检测。
-
公开(公告)号：CN116152660B
公开(公告)日：2023-10-20
申请号：CN202310148968.8
申请日：2023-02-14
Applicant: 北京市遥感信息研究所
IPC: G06V20/10 , G06V10/774
Abstract: 本发明公开了一种基于跨尺度注意力机制的广域遥感图像变化检测方法，该方法包括：获取待检测遥感图像信息；待检测遥感图像信息中的待检测遥感图像为同一地区不同时间的广域遥感图像；对待检测遥感图像信息进行归一化处理，得到标准遥感图像信息；利用遥感图像变化检测模型对标准遥感图像信息进行处理，得到图像检测结果；图像检测结果表征待检测遥感图像信息在同一地区不同时间的广域遥感图像变化情况。可见，本发明有利于针对不同卫星、不同分辨率的遥感图像，以及成像角度不同、天气状况复杂、季节变化等不同场景，实现对伪变化问题的高精细度、高效率、高鲁棒性的变化检测。
-
公开(公告)号：CN113487547A
公开(公告)日：2021-10-08
申请号：CN202110707807.9
申请日：2021-06-24
Applicant: 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种卫星遥感图像条带噪声定位方法与装置，属于图像处理技术领域。所述方法包括：将条纹检测转换为条纹块与非条纹块的识别。通过条纹图像块利用整体亮度偏移与线性亮度拉伸来进行模拟以获取大量训练数据，根据卫星遥感图像噪声的特点，将条纹块设置为长方条形。本发明所使用的深度神经网络以卷积网络为基础进行构造，检测时以水平密集扫描和垂直稀疏扫描的方式来实现快速精确的检测。本发明解决现有技术中基于深度学习的图像条纹噪声检测方法只能处理尺寸较小的普通图像，而无法处理大尺寸卫星遥感图像的问题。可以用于高分辨率遥感图像条纹噪声自动检测，提高噪声检测的精度，减少图像质检的工作量，降低人力成本。
-
公开(公告)号：CN113487547B
公开(公告)日：2023-08-15
申请号：CN202110707807.9
申请日：2021-06-24
Applicant: 北京市遥感信息研究所
IPC: G06T7/00
Abstract: 本发明公开了一种卫星遥感图像条带噪声定位方法与装置，属于图像处理技术领域。所述方法包括：将条纹检测转换为条纹块与非条纹块的识别。通过条纹图像块利用整体亮度偏移与线性亮度拉伸来进行模拟以获取大量训练数据，根据卫星遥感图像噪声的特点，将条纹块设置为长方条形。本发明所使用的深度神经网络以卷积网络为基础进行构造，检测时以水平密集扫描和垂直稀疏扫描的方式来实现快速精确的检测。本发明解决现有技术中基于深度学习的图像条纹噪声检测方法只能处理尺寸较小的普通图像，而无法处理大尺寸卫星遥感图像的问题。可以用于高分辨率遥感图像条纹噪声自动检测，提高噪声检测的精度，减少图像质检的工作量，降低人力成本。
-
公开(公告)号：CN110008899A
公开(公告)日：2019-07-12
申请号：CN201910262483.5
申请日：2019-04-02
Applicant: 北京市遥感信息研究所
Abstract: 本发明涉及一种可见光遥感图像候选目标提取与分类方法，属于遥感图像处理和分析技术领域，解决了现有方法提取候选目标数量太多及分类精度低的问题。包括以下步骤：通过第一滑窗在遥感图像中提取大尺度区域，并输入到训练好的候选区域识别模型中，得到包含感兴趣目标的候选区域；通过第二滑窗在上述候选区域中提取候选目标；利用训练好的候选目标分类模型对上述提取的候选目标进行两步分类，确定候选目标的类别。本发明实现了在相同的召回率下，提取的候选目标数量远少于现有方法，同时，在使用相同的特征和相同的分类器的条件下，通过两步分类，大大提高了候选目标分类精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
