-
公开(公告)号：CN114758226B
公开(公告)日：2024-09-27
申请号：CN202210273865.X
申请日：2022-03-19
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/772 , G06V10/82
摘要： 本发明提出了一种两阶段决策引导双字典构建的高光谱图像异常检测方法，主要解决现有方法中潜在异常字典纯度低、检测效果不佳的问题。包括：对高光谱图像进行超像素分割，根据超像素设计内外窗进行显著性检测，并对检测结果进行后处理得到粗糙二值图；搭建背景估计网络并训练和推理，以推理误差进行背景建模，计算每个像素的马氏距离作为异常判别标准，对计算结果进行后处理得到精细二值图；以粗糙二值图、精细二值图及超像素共同构建背景字典和潜在异常字典；构建基于双字典的低秩和稀疏表示模型并进行优化求解，得到最终检测结果。本发明能够获取纯净的潜在异常字典，利于更好地描述异常特性，有效提升了高光谱图像异常检测效果。
-
公开(公告)号：CN114494829A
公开(公告)日：2022-05-13
申请号：CN202210045694.5
申请日：2022-01-16
申请人： 西安电子科技大学 , 陕西航天技术应用研究院有限公司
摘要： 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。
-
公开(公告)号：CN114494829B
公开(公告)日：2024-06-11
申请号：CN202210045694.5
申请日：2022-01-16
申请人： 西安电子科技大学 , 陕西航天技术应用研究院有限公司
IPC分类号： G06V20/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明提供了一种SAR图像多尺度舰船目标检测方法，解决了舰船目标检测网络直接进行特征图融合，忽略特征图间融合程度的技术问题。本发明通过获取原始SSDD数据集；构建特征提取模块；构建特征融合模块；构建基于特征提取和特征融合模块的舰船目标检测网络；进行网络训练和测试，实现了SAR图像多尺度舰船目标更准确的检测。本发明构建的特征提取模块能获得被检测舰船目标的多尺度特征，且作为检测网络主干和检测头的基础模块。构建的特征融合模块能在特征自适应融合之后经过一个特征提取模块增强特征表达。本发明拥有强大特征提取能力的同时能平衡多尺度舰船目标的检测，提升了检测精度，用于SAR图像舰船目标检测。
-
公开(公告)号：CN114758226A
公开(公告)日：2022-07-15
申请号：CN202210273865.X
申请日：2022-03-19
申请人： 西安电子科技大学
IPC分类号： G06V20/10 , G06V10/26 , G06V10/28 , G06V10/764 , G06V10/772 , G06K9/62
摘要： 本发明提出了一种两阶段决策引导双字典构建的高光谱图像异常检测方法，主要解决现有方法中潜在异常字典纯度低、检测效果不佳的问题。包括：对高光谱图像进行超像素分割，根据超像素设计内外窗进行显著性检测，并对检测结果进行后处理得到粗糙二值图；搭建背景估计网络并训练和推理，以推理误差进行背景建模，计算每个像素的马氏距离作为异常判别标准，对计算结果进行后处理得到精细二值图；以粗糙二值图、精细二值图及超像素共同构建背景字典和潜在异常字典；构建基于双字典的低秩和稀疏表示模型并进行优化求解，得到最终检测结果。本发明能够获取纯净的潜在异常字典，利于更好地描述异常特性，有效提升了高光谱图像异常检测效果。
-
-
-
搜索结果
4 条记录 (耗时 0.027 秒)
