-
公开(公告)号：CN113344846B
公开(公告)日：2023-02-21
申请号：CN202110423800.4
申请日：2021-04-20
申请人： 山东师范大学
摘要： 本公开提供了一种基于生成对抗网络和压缩感知的遥感图像融合方法及系统，包括：选择渐进式增长生成对抗网络并随机初始化一组参数作为生成模型，生成一个随机噪声作为生成模型的输入，输出伪高分辨率多光谱图像；输入原始低分辨率多光谱图像和高分辨率全色图像，按照压缩感知理论对伪高分辨率多光谱图像进行退化处理，分别得到伪低分辨率多光谱图像和伪高分辨率全色图像；计算损失函数；对随机噪声与生成模型参数同时进行优化；经过多次优化后得到高质量的高分辨率多光谱图像；所述方案解决现有基于压缩感知理论的遥感图像融合技术中运算速度慢，生成质量低等问题，能够获得准确的空间和光谱信息，可用于目标识别、地物分类和环境监测等遥感领域。
-
公开(公告)号：CN113066037B
公开(公告)日：2022-08-02
申请号：CN202110347974.7
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术中遥感图像融合领域，提供了一种基于图注意力机制的多光谱与全色图像融合方法及系统，该方法包括：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；将多光谱图像特征图和全色图像特征图输入深度神经网络模型；采用训练样本集和Adam随机梯度下降算法对深度神经网络模型进行训练，基于损失函数优化深度神经网络模型，得到训练好的深度神经网络模型；将待融合的低分辨率的多光谱图像和高空间分辨率的全色图像输入训练好的深度神经网络模型，输出融合后的高空间分辨率的多光谱图像。
-
公开(公告)号：CN116433542A
公开(公告)日：2023-07-14
申请号：CN202310206954.7
申请日：2023-02-28
申请人： 山东师范大学
IPC分类号： G06T5/50 , G06N3/0464 , G06N3/045 , G06N3/048
摘要： 本发明提出了一种基于秩一分解网络的红外和可见光图像融合方法及系统，包括：获取红外图像和可见光图像；对红外图像和可见光图像在通道维度上进行堆叠；将堆叠后的图像序列进行逐级秩一分解处理，得到多级秩一分量、红外图像的残差以及可见光图像的残差；分别将多级秩一分量以及残差进行融合，得到包含有所有秩一分量信息的融合分量Cf以及包含两个残差信息的融合分量Ef；将融合分量Cf和Ef相加，得到期望的融合图像If。本发明将红外图像与可见光图像置于秩一分解网络中进行逐级处理，提取秩一分量和残差，使得本发明可以分别对秩一分量进行增强、对残差进行平滑，有利于后期图像处理技术的应用，提高了对图像自相似特征的利用率。
-
公开(公告)号：CN113191993A
公开(公告)日：2021-07-30
申请号：CN202110425489.7
申请日：2021-04-20
申请人： 山东师范大学
摘要： 本公开提供了一种基于深度学习的全色与多光谱图像融合方法及系统，包括：获取待融合的全色图像和多光谱图像；将所述全色图像和多光谱图像输入预训练的图像融合模型中，获得融合后的遥感图像；所述方案能够充分利用深度神经网络，突出图像的空间结构信息，并且利用构建的分支光谱调节网络对图像风格进行调整，从而使融合后的遥感图像不仅具有高空间分辨率，而且能很好地保留了特定卫星的特定风格信息。
-
公开(公告)号：CN113066030A
公开(公告)日：2021-07-02
申请号：CN202110350298.9
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术领域，提供了一种基于空谱融合网络的多光谱图像全色锐化方法及系统。该方法包括：步骤(1)：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；步骤(2)：将低空间分辨率的多光谱图像经过光谱信息提取网络进行逐级的信息提取；步骤(3)：将高空间分辨率的全色图像经过空间信息提取网络进行逐级的信息提取；步骤(4)：将每级光谱信息提取网络提取的多光谱图像特征图与每级空间信息提取网络提取的全色图像特征图取平均值，得到的平均值与融合网络逐层得到的特征图进行堆叠和卷积操作，最终得到高空间分辨率多光谱图像。
-
公开(公告)号：CN110503631A
公开(公告)日：2019-11-26
申请号：CN201910672621.7
申请日：2019-07-24
申请人： 山东师范大学
摘要： 本发明公开了一种用低秩先验学习判别字典的遥感图像变化检测方法，主要提升无监督遥感图像变化检测的准确率，并通过学习变化判别字典和不变化判别字典代替自动阈值的选择。其步骤为：(1)分别输入待检测的两幅多时相遥感图像；(2)超像素分割差分图，得到超像素总样本；(3)对超像素总样本学习全局字典和稀疏系数；(4)根据稀疏系数矩阵的低秩表示挑选样本；(5)用变化样本和不变化样本分别学字典；(6)计算每个像素点邻域块在判别字典下的重构误差，比较重构误差得到变化区域二值图。本发明能无监督选择变化样本和不变化样本进行变化检测，可用于灾害评估，城市扩张检测，土地覆盖、利用检测等遥感领域。
-
公开(公告)号：CN116778336A
公开(公告)日：2023-09-19
申请号：CN202310833800.0
申请日：2023-07-07
申请人： 山东师范大学
摘要： 本发明公开的一种遥感图像变化检测方法及系统，包括：获取第一遥感图像和第二遥感图像的反射图；根据两个反射图和训练好的变化检测网络，获得变化检测图；变化检测网络包括多个上采样模块，和多个卷积模块，将两个反射图堆叠后输入变化检测网络中，经多个卷积模块进行连续卷积，将每一个卷积模块获得的特征图进行输出；最后一个卷积模块输出的特征图经多个上采样模块进行连续上采样，将每个上采样模块输出的特征图与相同尺寸的卷积模块输出的特征图进行堆叠，将每一个堆叠后特征图进行上采样或下采样，获得与其余堆叠后特征图相同大小的特征图；将相同大小的特征图进行相加；对相加后图像进行卷积，获得变化检测图。能够获得准确的变化检测图。
-
公开(公告)号：CN115049922A
公开(公告)日：2022-09-13
申请号：CN202210540288.6
申请日：2022-05-18
申请人： 山东师范大学
摘要： 本公开提供了一种遥感图像变化检测方法及系统，针对采集变化之前的图像以及变化之后的图像进行特征提取，通过CNN提取局部信息。基于构建跨时相Transformer以及卷积神经网络结构，充分利用Transformer的特性，使变化前后的图像分别进入拥有新的注意力机制的跨时相Transformer、Transformer decoder，提取全局变化信息，并经过特征堆叠得到最终变化检测的结果。
-
公开(公告)号：CN113066030B
公开(公告)日：2022-08-02
申请号：CN202110350298.9
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术领域，提供了一种基于空谱融合网络的多光谱图像全色锐化方法及系统。该方法包括：步骤(1)：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；步骤(2)：将低空间分辨率的多光谱图像经过光谱信息提取网络进行逐级的信息提取；步骤(3)：将高空间分辨率的全色图像经过空间信息提取网络进行逐级的信息提取；步骤(4)：将每级光谱信息提取网络提取的多光谱图像特征图与每级空间信息提取网络提取的全色图像特征图取平均值，得到的平均值与融合网络逐层得到的特征图进行堆叠和卷积操作，最终得到高空间分辨率多光谱图像。
-
公开(公告)号：CN113066037A
公开(公告)日：2021-07-02
申请号：CN202110347974.7
申请日：2021-03-31
申请人： 山东师范大学
摘要： 本发明属于图像处理技术中遥感图像融合领域，提供了一种基于图注意力机制的多光谱与全色图像融合方法及系统，该方法包括：获取低空间分辨率的多光谱图像和高空间分辨率的全色图像；将多光谱图像特征图和全色图像特征图输入深度神经网络模型；采用训练样本集和Adam随机梯度下降算法对深度神经网络模型进行训练，基于损失函数优化深度神经网络模型，得到训练好的深度神经网络模型；将待融合的低分辨率的多光谱图像和高空间分辨率的全色图像输入训练好的深度神经网络模型，输出融合后的高空间分辨率的多光谱图像。
-
-
-
-
-
-
-
-
-
搜索结果
15 条记录 (耗时 0.027 秒)
