基于自相似度增强和密集处理的河道异常漂浮物检测方法

    公开(公告)号:CN118429813A

    公开(公告)日:2024-08-02

    申请号:CN202410682999.6

    申请日:2024-05-29

    摘要: 本发明涉及基于自相似度增强和密集处理的河道异常漂浮物检测方法,属于图像处理技术领域。将训练样本输入特征提取网络提取多层特征,将提取的多层特征分别输入密集处理模块进行扩大并校正感受野,再输入特征增强模块进行自相似度特征增强,将这些特征上采样到原图像尺寸并降低通道得到对应的多个特征图,将这几个特征图及其在通道上拼接后的特征图分别与样本标签对比计算总损失,训练网络。将测试样本输入训练好的网络,得到的几个特征图在通道上拼接降低通道得到输出,然后取Sigmoid得预测图。本发明有效克服了在检测尺寸较小或背景干扰强烈或水面上具有强烈反光的河道异常漂浮物时,模型容易出现误判、漏检的缺点。

    一种基于渐进式分心挖掘的遥感图像变化检测方法及系统

    公开(公告)号:CN118968340A

    公开(公告)日:2024-11-15

    申请号:CN202411146627.8

    申请日:2024-08-21

    摘要: 本发明涉及一种基于渐进式分心挖掘的遥感图像变化检测方法及系统,属于双时相遥感图像处理技术领域。通过卷积神经网络分别提取遥感双时相图像的多尺度特征,相同尺度的双时相特征分别做差求绝对值获得多尺度差异特征图,利用获得的小尺度差异特征获得变化区域预测图,并依据变化区域预测图引导大尺度差异特征图分心挖掘变化区域,随后利用引导细化后的大尺度差异特征获得变化区域预测图并引导更大尺度差异特征细化,从而实现渐进式引导,最后得到的多尺度融合差异特征图输入预测器预测,计算损失值更新模型。本发明方法对不确定的模糊变化区域进行二次挖掘,有效避免了伪变化以及漏检变化的问题。