-
公开(公告)号：CN120047740A
公开(公告)日：2025-05-27
申请号：CN202510123680.4
申请日：2025-01-26
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/25 , G06V10/82 , G06N3/0464 , G06V10/766 , G06T3/4038
Abstract: 基于傅立叶条件掩码的高光谱遥感图像异常目标检测方法、存储介质及设备，属于目标检测技术领域。为了解决高光谱遥感图像异常目标检测存在提取光谱图像特征能力有限的问题，从而导致了无法很好地分离背景和异常，本发明利用条件掩码网络对高光谱图像X进行处理得到条件掩码M，然后将高光谱图像X通过通道维度与条件掩码M拼接，形成条件图像Xcat；获取条件图像Xcat后，通过注意权值滤波器得到W；将W与Xcat相乘，并将得到的结果图像通过单层卷积操作得到重构图像 将重构图像于原始的高光谱图像X进行做差得到最终的检测结果。
-
公开(公告)号：CN117315311A
公开(公告)日：2023-12-29
申请号：CN202311339211.3
申请日：2023-10-17
Applicant: 哈尔滨工程大学
IPC: G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09 , G06N3/006
Abstract: 本发明公开了一种新的基于卷尾蜜熊算法的未知辐射源信号辨识方法，包括：对原始辐射源调制信号的数据集中的信息进行崔‑威廉斯分布处理，获取时频图；通过时频图对预设初始辨识模型进行训练，获取初始判别结果；根据初始判别结果设计卷尾蜜熊算法，优化训练后的模型，获取最佳辨识模型；利用最佳辨识模型，获取未知辐射源信号辨识结果。本发明搭建衍生卷积自编码器，设计衍生损失，构造判别模型融合方式，融合各模型判别结果，增加未知辐射源判别的鲁棒性，设计卷尾蜜熊算法，构造香气因子，为卷尾蜜熊添加跳跃属性，优化卷尾蜜熊位置，使判别模型阈值随迭代次数不断改进，提升模型的判别能力，增强了未知辐射源信号辨识方法的泛化性和准确性。
-
公开(公告)号：CN116310228A
公开(公告)日：2023-06-23
申请号：CN202310205663.6
申请日：2023-03-06
Applicant: 哈尔滨工程大学
Abstract: 一种针对遥感场景的表面重建与新视图合成方法，涉及遥感图像处理技术领域，针对现有技术中由于颜色偏差及权重偏差的存在，导致合成的图像不准确的问题，本申请不仅能够拥有神经渲染对场景的逼真再呈现能力，还能兼顾表面渲染的无偏性与体渲染的感受野，以准确重建场景的曲面表示，进而提升了合成图像的准确率。同时，本申请还能针对遥感场景做出优化，以适应遥感场景视图稀疏、地物复杂的特性。
-
公开(公告)号：CN116258824A
公开(公告)日：2023-06-13
申请号：CN202211616806.4
申请日：2022-12-15
Applicant: 哈尔滨工程大学
IPC: G06T17/05 , G06T7/33 , G06T7/194 , G06N3/0464
Abstract: 基于超广义立体像对的信息提取与三维重建方法，涉及轨迹规划领域。本发明是为了解决现有立体像对的建模方法还存在不满足标准立体像对的限定条件时难以通过少量局部点高质量地重建建筑物的整体结构，导致难以提取出正射图像视角盲区中的缺失信息的问题。本发明包括：获取建筑物倾斜遥感图像，并对建筑物倾斜遥感图像进行透视实例分割获得透视实例分割结果；对透视实例分割结果进行信息修复获得单体建筑物图像；对来自不同建筑物倾斜遥感图像的同一修复后的单体建筑图像进行匹配；基于匹配结果利用每个单体建筑物的图像实现超广义立体像对三维重建；超广义立体像对为覆盖某一区域的任意幅倾斜遥感图像。本发明用于建筑物的三维重建。
-
Patent Agency Ranking
公开(公告)号：CN116246171A
公开(公告)日：2023-06-09
申请号：CN202310217028.X
申请日：2023-03-08
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/74 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/08 , G06V10/764
Abstract: 一种空‑谱多尺度高光谱遥感图像目标检测方法及设备，属于高光谱遥感图像目标检测技术领域。为了解决现有的高光谱目标检测存在空间信息应用不够充分的问题以及其导致的高光谱目标检测能力弱的问题。本发明基于待检测目标区域的高光谱数据，将三维空间像素块构成一个样本，称为一个patch；将待测图像中所有的像元的patch与目标先验的patch构建样本对；将样本对输入多尺度空‑谱目标检测网络进行目标检测，首先通过两条结构、参数共享的独立支路分别处理输入的样本对中的两个patch，每条独立支路上对光谱特征和空间特征进行提取，然后在两条独立支路中最后一个下采样单元之后合并，输出特征经过多尺度差异特征混合后给出两个输入的相似度。
-
公开(公告)号：CN113223159B
公开(公告)日：2022-08-23
申请号：CN202110584103.7
申请日：2021-05-27
Applicant: 哈尔滨工程大学
IPC: G06T17/00 , G06V10/774 , G06V10/77 , G06K9/62
Abstract: 基于目标纹理虚拟化处理的单幅遥感图像三维建模方法，属于遥感图像技术领域，本发明为解决对遥感图像进行三维建模时目标纹理复杂冗余不利于本身结构信息提取，影响三维建模效果的问题。包括：以待建目标为中心裁剪为正方形小图像并去除目标以外背景信息，建立三维模型，利用三维模型图片作为风格图片采用对抗损失函数和循环一致性损失函数对生成对抗网络进行训练，应用图像虚拟化算法对单个目标RGB图像进行风格迁移处理，训练单个目标图像建模网络，使用图像虚拟化结果和目标对应的真实模型作为训练集，获得最优化的网络参数模型，建立从二维图像到三维模型的映射关系，利用移动立方体算法获得最终输出模型。本发明用于单幅遥感图像的三维建模。
-
公开(公告)号：CN114841319A
公开(公告)日：2022-08-02
申请号：CN202210474822.8
申请日：2022-04-29
Applicant: 哈尔滨工程大学
Abstract: 一种基于多尺度自适应卷积核的多光谱图像变化检测方法，属于多光谱图像变化检测领域。为了解决高光谱图像变化检测过程中，现有的方法存在对复杂地物信息提取困难、变化区域边界定位不准确的问题，本发明设计了权重共享的双侧编码路径的MASK‑Net，将基于自适应权重的卷积核选择模块嵌入到编码路径中提取图像中的多尺度特征；并将多尺度空间特征输入到本发明所设计的具有注意力机制的上采样模块来提取网络中的深层特征，通道注意力使得浅层特征和深层特征得到了选择性的融合，基于设计的网络进行检测；本发明还使用多模态条件随机场来对神经网络的结果进行二次检测实现变化像素的分类与定位。主要用于多光谱图像的变化检测。
-
公开(公告)号：CN113487738B
公开(公告)日：2022-07-05
申请号：CN202110707259.X
申请日：2021-06-24
Applicant: 哈尔滨工程大学
IPC: G06T17/10 , G06V10/25 , G06V10/774 , G06K9/62
Abstract: 基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法，涉及遥感图像信息提取领域，本发明为了解决建筑物信息提取中，训练样本不充足，目标情况和遮挡情况均具有高度不确定性的透视实例分割问题，提出了基于虚拟知识迁移的建筑物及其遮挡区域的单体化提取方法。引入虚拟知识生成模块，自动化地获取大量带有真实遮挡情况标记的、具有相似语义关系的、观测角度全面覆盖的训练数据，解决了训练样本不充足的问题。采用实例分割与遮挡判别模块相结合的策略，配合特征金字塔网络，解决了建筑物形态，尺度以及遮挡情况多样性的问题，且建筑物透视实例分割的准确率高。
-
公开(公告)号：CN113239829A
公开(公告)日：2021-08-10
申请号：CN202110550692.7
申请日：2021-05-17
Applicant: 哈尔滨工程大学
Abstract: 基于空间占用概率特征的跨维度遥感数据目标识别方法，属于遥感图像目标识别技术领域。本发明是为了解决目前没有一种有效的跨维度特征描述方法能够实现遥感数据中同一地物目标的二维图像数据与三维点云数据的关联问题。本发明首先训练二维图像的空间占用概率特征提取网络和三维点云的空间占用概率特征提取网络，然后对遥感数据中的二维图像数据和三维点云数据进行同类特征提取，即空间占用概率特征，最终基于空间占用概率特征实现遥感数据中同一地物目标的二维和三维数据之间的跨维度目标识别，即实现同一地物目标的二维图像数据与三维点云数据的关联。主要用于遥感数据的目标识别。
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.031 seconds)
