公开(公告)号：CN115019189A

公开(公告)日：2022-09-06

申请号：CN202210364346.4

申请日：2022-04-08

Applicant: 辽宁师范大学

Inventor： 王相海 ,  穆振华 ,  宋若曦 ,  宋传鸣

IPC: G06V20/13 ,  G06V10/764 ,  G06K9/62

Abstract: 本发明公开一种基于NSST隐马尔可夫森林模型高光谱影像变化检测方法，所提出的三维隐马尔科夫森林模型充分利用了HS影像的多方向相关性，提高了模型的精度；通过建立混合高斯模型实现对HS系数间的空间‑光谱信息的准确描述，充分利用HS波段之间的强相关性，既参考了低频子带空间变化信息，也结合了高频空间子带间和光谱波段间的相互性关系，进而对多时相高光谱影像的传递关系进行定义，充分考虑了时项间隐状态的传递关系及相关性，可以更精准地对地物变化情况进行判别，获得更精细的地表变化信息。

公开(公告)号：CN113255727A

公开(公告)日：2021-08-13

申请号：CN202110446906.6

申请日：2021-04-25

Applicant: 辽宁师范大学

Inventor： 王相海 ,  冯一宁 ,  宋若曦 ,  穆振华 ,  宋传鸣

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种可分层密集融合多传感器遥感影像融合分类方法，属于遥感影像处理领域。首先，引进空间—频谱—高程三个分支的网络框架，分别对高光谱影像的空间特征、光谱特征与LiDAR影像的空间高程特征进行提取；其次，提出了一种多传感器遥感影像的模态注意力机制，利用不同模态数据之间的关联性与各异性来获得不同模态数据的特征；然后，采用卷积神经网络的Flatten操作和concatenate操作将模态注意力机制与自注意力机制所得到的特征进行融合，再通过softmax激活函数对特征进行分类即可实现基于多传感器遥感影像的地物分类。

公开(公告)号：CN115019189B

公开(公告)日：2024-04-05

申请号：CN202210364346.4

申请日：2022-04-08

Applicant: 辽宁师范大学

Inventor： 王相海 ,  穆振华 ,  宋若曦 ,  宋传鸣

IPC: G06V20/13 ,  G06V20/10 ,  G06V10/764 ,  G06N7/01 ,  G06N20/00

Abstract: 本发明公开一种基于NSST隐马尔可夫森林模型高光谱影像变化检测方法，所提出的三维隐马尔科夫森林模型充分利用了HS影像的多方向相关性，提高了模型的精度；通过建立混合高斯模型实现对HS系数间的空间‑光谱信息的准确描述，充分利用HS波段之间的强相关性，既参考了低频子带空间变化信息，也结合了高频空间子带间和光谱波段间的相互性关系，进而对多时相高光谱影像的传递关系进行定义，充分考虑了时项间隐状态的传递关系及相关性，可以更精准地对地物变化情况进行判别，获得更精细的地表变化信息。

公开(公告)号：CN118537732A

公开(公告)日：2024-08-23

申请号：CN202410659292.3

申请日：2024-05-27

Applicant: 辽宁师范大学

Inventor： 王相海 ,  穆振华 ,  王一涵 ,  张亚婷 ,  宋传鸣

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/50 ,  G06V10/58 ,  G06V10/764 ,  G06V10/84 ,  G06N3/0455

Abstract: 本发明公开一种基于多元概率分布自编码器的高光谱异常检测方法，第一，设计了一种网格结构对高光谱数据的行与列进行划分，实现了高光谱数据从无序到有序形式的映射，为背景信息和异常目标的有效分离奠定了基础，通过量化测试点与高密度、高数量背景区间之间的偏差值，有效地计算异常与背景的差异；第二，提出了一种基于能量权重跳跃连接的多层自动编码器网络以适用无任何先验信息约束的高光谱异常检测任务，在无需明确数据标签的情况下可以有效学习到数据的内在特征；第三，将自编码器体系与多元概率分布模型相结合，发现隐藏的空间内在特征。具有较强的泛化和检测能力，适用于复杂场景下的异常检测。

公开(公告)号：CN118351108A

公开(公告)日：2024-07-16

申请号：CN202410643307.7

申请日：2024-05-23

Applicant: 辽宁师范大学

Inventor： 王相海 ,  王一涵 ,  穆振华 ,  宋传鸣

IPC: G06T7/00 ,  G06V20/10 ,  G06V10/764 ,  G06V10/74 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开一种基于深浅多尺度特征融合的高光谱图像异常检测方法，是在不同尺度下提取特征，对所提取的特征进行权重计算以评估各个特征重要性，并进行特征加权达到对有用特征更强的约束或关注；利用提出的基于注意力模块的多尺度特征融合方法，分别对三个不同尺度特征进行深浅梯度融合，可以获得更全面、更丰富的图像信息，以提高高光谱图像异常检测的准确性，可解决深度学习高光谱异常检测中，不同的目标或异常在大小、形状和纹理上可能会有差异，小目标或微小异常在较大尺度上被背景所掩盖等问题。

公开(公告)号：CN113205471A

公开(公告)日：2021-08-03

申请号：CN202110353427.X

申请日：2021-04-01

Applicant: 辽宁师范大学

Inventor： 王相海 ,  穆振华 ,  白世夫 ,  宋传鸣

IPC: G06T5/50 ,  G06T3/40 ,  G06T7/90 ,  G06T7/41 ,  G06T5/00

Abstract: 本发明公开一种基于Log‑Gabor变换与方向区域熵的引导滤波遥感影像融合方法，属于遥感影像处理领域。首先，对多光谱遥感影像进行IHS变换，并对强度分量I进行Log‑Gabor分解；其次，利用基于方向区域熵的边缘引导矩阵对高分辨率的全色遥感影像进行自适应引导滤波，根据其不同区域的信息熵变化提取出全色影像中蕴含的丰富边缘纹理细节；然后，以Log‑Gabor变换系数的能量分布为指导，构建融合决策模板，并据此确定融合过程中强度分量I的细节注入强度；最后，将细节增强后的强度分量与原始的H分量、S分量共同执行逆IHS变换，从而得到最终的融合图像。