-
公开(公告)号：CN116524362A
公开(公告)日：2023-08-01
申请号：CN202310551648.7
申请日：2023-05-16
Applicant: 大连海事大学
IPC: G06V20/10 , G06V20/70 , G06V10/28 , G06V10/42 , G06V10/44 , G06V10/54 , G06V10/62 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于时空注意力增强的遥感图像变化检测方法，包括：将通过遥感图像组获取训练集输入至孪生网络中，得到特征提取后的特征图；其中，进行特征提取的特征包括边缘特征、线特征、形状特征、纹理特征、场景特征和语义特征；将特征提取后的特征图输入至时空信息增强模块，获取时空信息增强特征图；根据时空信息增强特征图获取变化二值图；并对所述孪生网络、时空信息增强模块和解码模块进行训练；获取最终的变化二值图，以对遥感图像的变化进行检测。本发明在不增加模型参数的情况下提高模型的准确率，充分捕捉输入数据中的局部特征，在细小变化目标的检测以及变化物体边缘的识别方面具有明显的效果，能够明显提高模型的性能和准确率。
-
公开(公告)号：CN115908180A
公开(公告)日：2023-04-04
申请号：CN202211449281.X
申请日：2022-11-18
Applicant: 大连海事大学
Abstract: 本发明公开了一种耦合深度先验和低秩张量分解的高光谱遥感影像去噪方法，包括：采用深度去噪先验子网络一优化初始的噪声高光谱影像；采用低秩张量对优化后的高光谱影像进行分解生成光谱正交基；通过深度去噪先验子网络二估计空间缩减因子；基于光谱正交基和空间缩减因子利用张量塔克分解方法获取高光谱影像去噪结果。本方法考虑高光谱影像空间和光谱邻域信息，耦合深度学习网络和低秩张量分解，对高光谱影像中的噪声进行去除，提升高光谱影像的数据质量，具有重要的实际意义。
-
公开(公告)号：CN107464255B
公开(公告)日：2020-06-05
申请号：CN201710672199.6
申请日：2017-08-08
Applicant: 大连海事大学
IPC: G06T7/215
Abstract: 本发明公开了一种基于信息量与多尺度异常检测的船舶目标检测方法，针对单波段遥感图像，首先进行图像的重构，生成“伪”多光谱图像，然后通过正则化的RX算法进行多尺度异常检测，最后通过信息熵加权平均计算得到船舶目标检测结果。本发明综合各个检测尺度的优点，在不利用图像先验信息的情况下，能有效的对船舶目标预检测，不仅能在背景单一时保持各检测尺度的检测率，同时能在复杂海面背景时有效的检测出其中的船舶目标，具有一定的抗干扰能力，提高了各尺度的检测率，最终的检测率保证在百分之八十以上。本发明创造性的对图像空间域向频率域的变换，形成“伪”多光谱图像，解决了对单波段图像处理效果不佳的难题。
-
公开(公告)号：CN117372783A
公开(公告)日：2024-01-09
申请号：CN202311561639.2
申请日：2023-11-21
Applicant: 大连海事大学
IPC: G06V10/764 , G06V20/10 , G06V10/774 , G06V10/776 , G06V10/82 , G06V10/74 , G06V10/44 , G06V10/80 , G06N3/048 , G06N3/0499 , G06N3/08
Abstract: 本发明公开了一种基于中心关注Transformer模型的高光谱影像分类方法与系统，包括，选取高光谱场景图像并进行裁剪，根据裁剪后的高光谱场景图像制作高光谱立方体，并从中随机选取部分裁剪后的高光谱场景图像作为训练集和验证集；构建Transformer模型，所述Transformer模型包括一个预处理模块、四个全局自信息计算层和全局平均池化层；所述预处理模块用于提取输入图像的特征并降低输入图像的通道数；任一全局自信息计算层包括中心像元自关注模块、跨通道全局融合模块与前馈网络层；根据训练集对Transformer模型进行交叉熵分类损失训练和验证，根据验证后的Transformer模型对待分类的高光谱影像进行分类。所提出的方法降低了计算的复杂度和计算代价，提高了高光谱遥感图像的分类精度。
-
公开(公告)号：CN117935052A
公开(公告)日：2024-04-26
申请号：CN202410103385.8
申请日：2024-01-24
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于反馈式波段组群的变分低秩稀疏异常检测方法，包括：根据获取的原始观测高光谱图像，利用均匀波段选择策略，对全波段集合划分，将大规模的全波段数据运算划分为多个小规模的子问题；根据划分的波段组群，在波段组群上进行数据分解，相关总变分和L2,1范数分别用于促使背景成分的提取和稀疏成分的约束；根据上一步的检测结果，设计一种迭代反馈机制，用于促进下一个波段组群的分解，得到最终的检测结果。
-
Patent Agency Ranking
公开(公告)号：CN117095289A
公开(公告)日：2023-11-21
申请号：CN202311005759.4
申请日：2023-08-10
Applicant: 大连海事大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于尺度归因扩张网络的高光谱影像分类方法，包括设计训练裁剪尺寸集合、验证裁剪尺寸集合以及测试裁剪尺寸集合，获取高光谱影像集合，依次从裁剪尺寸集合中选择裁剪尺寸，根据裁剪尺寸对高光谱影像集合中的影像进行裁剪后获取训练集序列、验证集序列和测试集序列，构建尺度归因扩张网络模型，所述尺度归因扩张网络模型包括预处理模块、四个级联的尺度保持网络层以及全局平均池化层，基于多尺度训练策略对尺度归因扩张网络模型进行训练，根据训练后的尺度归因扩张网络模型对高光谱影像进行分类。尺度归因扩张网络模型能够减少冗余光谱信息，提升空间信息，学习到更具区分性的嵌入特征，得到了更好的分类精度。
-
公开(公告)号：CN108319913A
公开(公告)日：2018-07-24
申请号：CN201810097534.9
申请日：2018-01-31
Applicant: 大连海事大学
Abstract: 本发明公开了一种基于空谱联合的栈式自编码水上油膜提取方法及系统，所述方法具有如下步骤：获取高光谱数据样本；对高光谱数据样本进行预处理；基于支持向量机栈式自编码方法对预处理后数据进行空间信息与光谱信息联合提取，以获得包含相对油膜厚度信息的水上溢油输出结果；重复上一步骤，获得的水上溢油输出结果与前一次获得的水上溢油输出结果进行比较评估，判断是否为最优输出，若不是最优输出，则重复本步骤，直至获得最优输出；对得到的最优输出进行可视化显示。本发明由于其只需对高光谱数据进行空间特征的重构和限制，无需其他复杂步骤，因此具有较强的普适性，为高光谱遥感提取相对油膜厚度测量提供了一种应用性强的方法及系统。
-
公开(公告)号：CN116563345A
公开(公告)日：2023-08-08
申请号：CN202310600166.6
申请日：2023-05-25
Applicant: 大连海事大学
IPC: G06T7/246 , G06V10/74 , G06V10/62 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种基于点‑面匹配关联的多目标跟踪方法，包括，获取待检测视频并进行序列化，根据特征提取网络构建检测器，根据检测器依次对视频帧序列中的视频帧进行目标检测，从视频帧序列获取第t个和第t+1个视频帧，将第t+1个视频帧中的目标划分为高和低置信度目标，对于高置信度目标根据目标框相似性感知算法进行第一次关联匹配，将匹配成功的目标加入第t个视频帧的目标轨迹中，对于匹配失败的目标分别初始化目标轨迹，将低置信度目标进行第二次关联匹配，匹配成功的目标加入第t个视频帧的目标轨迹中，舍弃匹配失败的目标，依次遍历所有的视频帧，直到获取所有目标轨迹。提升被遮挡目标的检测置信度，同时提高了多目标轨迹关联的准确性。
-
公开(公告)号：CN107464255A
公开(公告)日：2017-12-12
申请号：CN201710672199.6
申请日：2017-08-08
Applicant: 大连海事大学
IPC: G06T7/215
Abstract: 本发明公开了一种基于信息量与多尺度异常检测的船舶目标检测方法，针对单波段遥感图像，首先进行图像的重构，生成“伪”多光谱图像，然后通过正则化的RX算法进行多尺度异常检测，最后通过信息熵加权平均计算得到船舶目标检测结果。本发明综合各个检测尺度的优点，在不利用图像先验信息的情况下，能有效的对船舶目标预检测，不仅能在背景单一时保持各检测尺度的检测率，同时能在复杂海面背景时有效的检测出其中的船舶目标，具有一定的抗干扰能力，提高了各尺度的检测率，最终的检测率保证在百分之八十以上。本发明创造性的对图像空间域向频率域的变换，形成“伪”多光谱图像，解决了对单波段图像处理效果不佳的难题。
-
公开(公告)号：CN115758287A
公开(公告)日：2023-03-07
申请号：CN202211486158.5
申请日：2022-11-24
Applicant: 大连海事大学
IPC: G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于时空谱信息融合的早期火点探测方法，其特征在于包括：下载静止气象卫星官网下的数据文件，对该数据文件进行可视化处理获得时间、空间、光谱曲线图；建立长短期记忆人工神经网络模型，使用该模型对时间、空间、光谱曲线图进行自适应学习，得到拟合后的时序曲线图；基于拟合后的时序曲线图计算每个时刻的时间方差、空间方差和光谱方差，将该计算结果作为预测值，基于初始时序曲线图计算实际值，将预测值与实际值做差获得偏差，根据偏差设置时间阈值、空间阈值和光谱阈值；基于上述三种阈值建立火点判断模型，使用火点判断模型判断各个时刻是否出现火点；该方法提高火灾早期救援效率和遥感数据的利用效率。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
