-
公开(公告)号：CN111008603A
公开(公告)日：2020-04-14
申请号：CN201911246128.5
申请日：2019-12-08
发明人： 李朋龙 , 丁忆 , 连蓉 , 马泽忠 , 李晓龙 , 罗鼎 , 肖禾 , 段松江 , 王岚 , 王亚林 , 钱进 , 刘朝晖 , 王小攀 , 魏文杰 , 谭攀 , 曾远文 , 张灿 , 范文武 , 秦成 , 张斌
摘要： 本发明公开了一种面向大尺度遥感图像的多类目标快速检测方法，包括以下步骤：将大比例尺遥感图像进行裁剪，并通过重新缩放和旋转来增强数据；利用具有串联线性整流函数模块和Inception模块的卷积特征提取器，将所得的图像数据作为输入并输出多个级别的特征；构建多尺度目标提议网络，并利用多尺度目标提议网络将卷积特征提取器输出的特征生成类似目标区域预测框；构建基于融合特征映射的精确目标检测网络，输入带有类似目标区域预测框的图像，利用精确目标检测网络实现精确的目标检测，输出检测结果。实现了具有大尺度变化的遥感图像中的多类目标自动检测，使得对遥感图像的多目标的实时检测成为可能。
-
公开(公告)号：CN111008603B
公开(公告)日：2023-04-18
申请号：CN201911246128.5
申请日：2019-12-08
发明人： 李朋龙 , 丁忆 , 连蓉 , 马泽忠 , 李晓龙 , 罗鼎 , 肖禾 , 段松江 , 王岚 , 王亚林 , 钱进 , 刘朝晖 , 王小攀 , 魏文杰 , 谭攀 , 曾远文 , 张灿 , 范文武 , 秦成 , 张斌
IPC分类号： G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464
摘要： 本发明公开了一种面向大尺度遥感图像的多类目标快速检测方法，包括以下步骤：将大比例尺遥感图像进行裁剪，并通过重新缩放和旋转来增强数据；利用具有串联线性整流函数模块和Inception模块的卷积特征提取器，将所得的图像数据作为输入并输出多个级别的特征；构建多尺度目标提议网络，并利用多尺度目标提议网络将卷积特征提取器输出的特征生成类似目标区域预测框；构建基于融合特征映射的精确目标检测网络，输入带有类似目标区域预测框的图像，利用精确目标检测网络实现精确的目标检测，输出检测结果。实现了具有大尺度变化的遥感图像中的多类目标自动检测，使得对遥感图像的多目标的实时检测成为可能。
-
公开(公告)号：CN117315455A
公开(公告)日：2023-12-29
申请号：CN202310046948.X
申请日：2023-01-31
摘要： 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
公开(公告)号：CN117315455B
公开(公告)日：2024-11-08
申请号：CN202310046948.X
申请日：2023-01-31
摘要： 本发明通过高分辨的遥感影像设计云信息表征指数、自适应阈值分割初步提取云体、几何特征过滤非云对象和提纯云体、设计形态学滤云算子进一步提纯精化，最后通过云体栅格转为矢量并统计云量实现检测，相比于机器学习和深度学习云检测方法对样本数据的依赖，本发明人工参与少、自动化程度高、检测结果具有显著的云团几何形态优势，仅利用云层的亮度和几何形态特征，实现对高分辨率遥感影像自动化精准云检测，检测过程简单，可为高分辨率影像的质量检查、无云影像筛选，以及云覆盖区域的影像补采、填补生成无云影像等生产工序提供支撑，具有较强的泛化性和实用性。
-
公开(公告)号：CN117636179A
公开(公告)日：2024-03-01
申请号：CN202311478183.3
申请日：2023-11-08
IPC分类号： G06V20/13 , G06V10/774 , G06V10/80 , G06T7/136 , G06T7/194
摘要： 本发明涉及数字图像处理技术领域，且公开了一种全局特征交互变化检测方法，具体是指：利用采集设备获取同一区域两个时期的影像数据；原始数据集进行数据预处理；构建孪生网络模型；在孪生网络模型的输入层进行特征融合并得到相应层级的特征表示；比较两个时期的相应层级的特征表示判断该层级特征表示是否存在变化；对层级特征表示存在变化的区域进行变化分割并评估；评估变化检测不合格率；对变化检测不合格的区域进行排除问题点；将变化检测的结果进行可视化展示；有利于两期影像的特征在网络浅层就开始交互，使得网络的每一层都参与语义变化信息的学习大大的提升了网络性能，还提高了语义变化区域的检出率。
-
公开(公告)号：CN115761020A
公开(公告)日：2023-03-07
申请号：CN202211476822.8
申请日：2022-11-23
申请人： 重庆市地理信息和遥感应用中心
IPC分类号： G06T9/00 , G06N3/08 , G06N3/0464
摘要： 本发明公开了一种基于神经网络自动构建的影像数据压缩方法，包括步骤：待压缩影像数据预处理；初始化神经网络种群；神经网络种群的迭代训练与更新；神经网络种群演化；导出数据完成压缩。其显著效果是：通过神经网络对影像数据进行编码和重建，将影像数据压缩存储至神经网络的参数中，大幅减少了数据占用的存储空间；具有更强的通用性和易用性，能够用于压缩各种类型、不同规模、不同复杂度的影像数据集。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.035 秒)
