-
公开(公告)号：CN110458201A
公开(公告)日：2019-11-15
申请号：CN201910647296.9
申请日：2019-07-17
申请人： 北京科技大学
摘要： 本发明提供一种遥感影像面向对象分类方法及分类装置，能够提高遥感影像分类准确度。所述方法包括：获取遥感影像数据；通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16-BiLSTM-Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；利用影像对象块对构建的VGG16-BiLSTM-Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类。本发明涉及图像处理领域。
-
公开(公告)号：CN110458201B
公开(公告)日：2021-08-24
申请号：CN201910647296.9
申请日：2019-07-17
申请人： 北京科技大学
摘要： 本发明提供一种遥感影像面向对象分类方法及分类装置，能够提高遥感影像分类准确度。所述方法包括：获取遥感影像数据；通过面向对象多尺度分割算法，对获取的遥感影像数据进行分割，得到影像对象块；将深度卷积神经网络与循环神经网络相结合，并添加跳跃连接，构建VGG16‑BiLSTM‑Skip模型，其中，VGG16表示16层的深度卷积神经网络，BiLSTM表示双向长短时记忆循环神经网络，Skip表示跳跃连接；利用影像对象块对构建的VGG16‑BiLSTM‑Skip模型进行训练，得到影像对象块的分类器，所述分类器，用于对遥感影像进行分类。本发明涉及图像处理领域。
-
公开(公告)号：CN109389086A
公开(公告)日：2019-02-26
申请号：CN201811174109.1
申请日：2018-10-09
申请人： 北京科技大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种检测无人机影像目标的方法和系统。其中，该方法包括：判断目标的参考帧与当前帧的差异值是否超过阈值，其中，参考帧是当前帧的相邻前帧；如果差异值超过阈值则提取参考帧和当前帧各自的特征；通过光流网络模型将参考帧的特征传递到当前帧；将当前帧与从参考帧传递过来的特征按照不同的预设权重进行组合成为增强特征，其中，权重在特征通道中为固定不变的空间权重；检测增强特征得到目标检测与识别的结果和语义分割的结果。本发明解决了现有技术在对无人机影像进行目标检测与识别时存在处理精度与效率不能兼顾的技术问题。
-
公开(公告)号：CN109389086B
公开(公告)日：2021-03-05
申请号：CN201811174109.1
申请日：2018-10-09
申请人： 北京科技大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种检测无人机影像目标的方法和系统。其中，该方法包括：判断目标的参考帧与当前帧的差异值是否超过阈值，其中，参考帧是当前帧的相邻前帧；如果差异值超过阈值则提取参考帧和当前帧各自的特征；通过光流网络模型将参考帧的特征传递到当前帧；将当前帧与从参考帧传递过来的特征按照不同的预设权重进行组合成为增强特征，其中，权重在特征通道中为固定不变的空间权重；检测增强特征得到目标检测与识别的结果和语义分割的结果。本发明解决了现有技术在对无人机影像进行目标检测与识别时存在处理精度与效率不能兼顾的技术问题。
-
公开(公告)号：CN109063694A
公开(公告)日：2018-12-21
申请号：CN201811063637.X
申请日：2018-09-12
申请人： 北京科技大学
IPC分类号： G06K9/00
CPC分类号： G06K9/00711
摘要： 本发明提供一种视频目标检测识别方法，能够高效、快速对视频进行目标检测。所述方法包括：判断参考帧和待检测帧之间的差异程度是否小于等于预设的差异阈值；若小于等于，则将参考帧检测结果赋予待检测帧输出；否则，则对待检测帧进行图像增强和目标检测，检测完成后，将待检测帧替换为新的参考帧。本发明涉及图像处理领域。
-
-
公开(公告)号：CN109934154B
公开(公告)日：2021-06-01
申请号：CN201910176026.4
申请日：2019-03-08
申请人： 北京科技大学
摘要： 本发明提供一种遥感影像变化检测方法及检测装置，能够高模型对于变化区域的检测精度和变化发现能力。所述方法包括：S1，获取同一地区的两时相影像进行预处理，其中，影像为遥感影像；S2，在预处理后的两时相影像上，逐像素提取多尺度的光谱特征和纹理特征，得到训练数据集；S3，以堆栈降噪自编码器作为深度学习模型，利用得到的训练数据集训练深度学习模型；S4，获取需要测试的遥感影像并按照S1‑S2生成测试数据集，利用训练好的深度学习模型对测试数据集进行检测，将检测到的像素结果逆向拼接为图像，得到最终检测图。本发明涉及遥感影像处理技术领域。
-
公开(公告)号：CN110443172A
公开(公告)日：2019-11-12
申请号：CN201910678925.4
申请日：2019-07-25
申请人： 北京科技大学
摘要： 本发明提供一种基于超分辨率和模型压缩的目标检测方法及系统，该方法包括：采用分辨率高的图像作为训练的标签，采用对应的分辨率低的图像作为训练的样本，训练超分辨率模型；利用训练好的超分辨率模型对待处理的低分辨率图像进行处理，生成对应的高分辨率图像；对Faster-RCNN网络按照预设方法进行改进，对超分辨率模型生成的高分辨率图像，使用改进后的Faster-RCNN网络训练目标检测模型；采用预设的模型压缩方法对训练好的目标检测模型进行压缩，使得其能被部署到智能终端上。本发明的方案可以对卫星拍摄的低分辨率的卫星图像实现实时目标检测，且具有良好的检测精度。
-
公开(公告)号：CN109934154A
公开(公告)日：2019-06-25
申请号：CN201910176026.4
申请日：2019-03-08
申请人： 北京科技大学
摘要： 本发明提供一种遥感影像变化检测方法及检测装置，能够高模型对于变化区域的检测精度和变化发现能力。所述方法包括：S1，获取同一地区的两时相影像进行预处理，其中，影像为遥感影像；S2，在预处理后的两时相影像上，逐像素提取多尺度的光谱特征和纹理特征，得到训练数据集；S3，以堆栈降噪自编码器作为深度学习模型，利用得到的训练数据集训练深度学习模型；S4，获取需要测试的遥感影像并按照S1-S2生成测试数据集，利用训练好的深度学习模型对测试数据集进行检测，将检测到的像素结果逆向拼接为图像，得到最终检测图。本发明涉及遥感影像处理技术领域。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.026 秒)
