-
公开(公告)号：CN116051886A
公开(公告)日：2023-05-02
申请号：CN202211641963.0
申请日：2022-12-20
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V20/10
Abstract: 本发明公开了一种基于改进的Swin‑Transformer网络的高光谱图像分类方法，包括：S1，针对高光谱数据的特点，提出一种空间光谱重组合模块，对数据进行预处理。S2，改进Swin‑Transformer网络，在网络中增添跨层融合模块，避免层间前馈过程中信息丢失。通过将网络中当前层的输出与上一层的输出进行融合，实现信息由浅层到深层的传递，从而避免了有效信息在前馈过程中的丢失；S3，将空间光谱重组合模块插入到改进后的Swin‑Transformer网络中，并以公开的高光谱图像数据作为训练数据，本发明的优点是：更高的准确率，提高了网络挖掘光谱信息的效率，能过够有效降低网络在前馈过程中有效信息的丢失。
-
公开(公告)号：CN114359387A
公开(公告)日：2022-04-15
申请号：CN202210009676.1
申请日：2022-01-06
Applicant: 东北林业大学
Abstract: 本发明公开了一种基于改进YOLOV4算法的袋料栽培香菇检测方法，包括：搭建改进YOLO v4网络，训练改进YOLO v4网络以及香菇图像检测。改进后的YOLO v4算法使用深度可分离卷积，去掉分类损失，重新构建损失函数；在PANet结构部分增加一条预测特征图传递路径，并在路径中嵌入具有残差边的注意力机制模块R_cbam，使之能够快速的在一组特征图中找到关键特征区域，并使之权值加重，用于预测。通过改进，该算法能够使检测精度得以提升而算法参数量大大降低，从而更好的为机械采摘提供视觉算法支持。
-
公开(公告)号：CN118898632A
公开(公告)日：2024-11-05
申请号：CN202410713727.8
申请日：2024-06-04
Applicant: 东北林业大学
IPC: G06T7/13 , G06N3/0464 , G06N3/042 , G06N3/0455 , G06V10/42 , G06V10/44 , G06V10/80
Abstract: 本发明提供一种基于高斯函数的特征增强的高分遥感影像建筑边界矢量提取算法，属于图像处理技术领域，包括遥感图像数据预处理和模型构建。本发明提出了Swap算子来解决建筑边界提取任务中存在的挑战。Swap算子可以有效地捕获图像中的局部和全局特征，同时减少模型的参数数量和计算复杂度，从而提高建筑边界提取任务的效率和准确性。Swap作为一个可插入式的模块，可以有效地结合CNN、GNN和Transformer等模型的优势，克服它们在建筑边界提取任务中存在的局限性，从而实现更好的建筑边界提取的效果。
-
公开(公告)号：CN117541916A
公开(公告)日：2024-02-09
申请号：CN202311292677.2
申请日：2023-10-08
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
IPC: G06V20/10 , G06V10/764 , G06V20/13 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/088
Abstract: 一种长时间序列森林覆盖时空变化分析方法，属于遥感技术与应用领域。方法如下；构建长时间序列森林覆盖时空数据集；对数据进行预处理；利用决策树分类器进行图像分类，得到森林覆盖类型图；通过比较不同时间点的森林覆盖类型图，采用动态规划方法进行变化检测；根据精度验证结果，调整变化检测算法，得到高精度长时间序列森林覆盖时空变化分析结果。本发明通过对长时间序列数据的处理，能够全面准确地反映森林覆盖的时空变化，具有操作简单、适用范围广、可靠性高等优点；采用动态规划方法进行变化检测，提高了检测的精度和可靠性；通过对不同时间点的森林覆盖类型图进行比较，实现了对森林覆盖变化的精细化管理。
-
公开(公告)号：CN117034778A
公开(公告)日：2023-11-10
申请号：CN202311089810.4
申请日：2023-08-28
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
IPC: G06F30/27 , G06T5/50 , G06V10/42 , G06V10/82 , G06V20/13 , G06V20/10 , G06N3/045 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于Hypergraph‑Transformer结构反演地上生物量的方法，所述方法面向SAR与光学卫星遥感融合影像的生物量反演模型，构建基于Transformer相关结构的深度学习模型，充分发挥Transformer结构对全局信息的提取能力，挖掘融合后的遥感影像数据中的深层空间的特征信息，构建基于融合影像的高维度特征表示，通过深度学习算法实现生物量的估算反演。本发明基于超图(HyperGraph)的网络特征提取增强结构，进一步表征融合后的遥感影像数据中的几何拓扑信息。通过对原始特征构建超图结构，进行超图学习，为后续高维度特征空间信息的获取提供支持。
-
Patent Agency Ranking
公开(公告)号：CN104361352A
公开(公告)日：2015-02-18
申请号：CN201410642068.X
申请日：2014-11-13
Applicant: 东北林业大学
CPC classification number: G06T7/0006 , G06T2207/20081
Abstract: 基于压缩感知的实木板材缺陷分选方法，涉及实木板材表面缺陷检测技术领域。本发明为了解决实木板材在线分选过程中检测速度慢、识别率低的问题。本发明方法首先提取缺陷图像的几何与区域特征、灰度纹理特征和不变矩特征共三类25个特征；其次通过LDA方法将特征数量进行融合，降低特征维数；最后利用训练样本构建数据字典，在L1范数意义下求解数据字典的最优解，利用最小二乘完成线性规划求解，实现缺陷分类。实验选择实木板材表面的活结、死节、裂纹这三种主要缺陷来检测算法的分选效果，对50幅缺陷图像进行了仿真实验，特征选择与分类的平均时间为0.446ms、分类准确率为94％，实现缺陷特征的快速准确分类。
-
公开(公告)号：CN119693248A
公开(公告)日：2025-03-25
申请号：CN202411796112.2
申请日：2024-12-09
Applicant: 东北林业大学 , 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 中国科学院空天信息创新研究院
IPC: G06T5/50 , G06N3/088 , G06N3/0464 , G06N3/045 , G06T7/11 , G06N3/048 , G06N3/084 , G06T3/4076
Abstract: 本发明提供一种基于超分辨率技术的无监督遥感影像空谱融合方法，包括以下步骤：对需要融合的低空间分辨率多光谱遥感影像和高空间分辨率全色遥感影像进行预处理和归一化；基于原始输入的多光谱和全色影像构建训练数据；构建超分辨率网络模型并基于步骤2获得的预训练数据集对模型进行预训练；预训练模型在原始输入数据上进行微调；微调后的深度学习网络，输入原始分割的多光谱和全色影像，得到融合后的遥感影像块；通过将所有融合的影像块进行组合，并进行反归一化，最终获得融合的多光谱遥感影像。本发明实现了高效率的空谱融合，所构建的无监督学习框架无需额外收集训练数据，可以大大减少人力和资金成本。
-
公开(公告)号：CN114359387B
公开(公告)日：2024-09-27
申请号：CN202210009676.1
申请日：2022-01-06
Applicant: 东北林业大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOV4算法的袋料栽培香菇检测方法，包括：搭建改进YOLO v4网络，训练改进YOLO v4网络以及香菇图像检测。改进后的YOLO v4算法使用深度可分离卷积，去掉分类损失，重新构建损失函数；在PANet结构部分增加一条预测特征图传递路径，并在路径中嵌入具有残差边的注意力机制模块R_cbam，使之能够快速的在一组特征图中找到关键特征区域，并使之权值加重，用于预测。通过改进，该算法能够使检测精度得以提升而算法参数量大大降低，从而更好的为机械采摘提供视觉算法支持。
-
公开(公告)号：CN117218535A
公开(公告)日：2023-12-12
申请号：CN202311173891.6
申请日：2023-09-12
Applicant: 黑龙江省网络空间研究中心(黑龙江省信息安全测评中心、黑龙江省国防科学技术研究院) , 东北林业大学
Abstract: 一种基于SFA的长期森林覆盖变化检测方法，属于森林检测技术领域。方法如下：采集A1、A2时期被检测森林区域实时遥感图像并划分为多个栅格后进行存储；计算每个栅格的植被指数；对对应的栅格的植被覆盖度进行融合；获得数据集并将数据集划分为训练集和测试集；构建神经网络模型；利用训练集对神经网络模型进行训练；利用测试集和训练好的神经网络模型，实现对A1至A2期间的森林覆盖变化的检测；重复上述步骤实现长期森林覆盖变化的检测。本发明运用SFA提取森林信息，解决了目前没有对植被缓慢变化特征进行检测的问题，提高了长期森林覆盖变化检测的准确度，有助于对森林进行有效及时的排查维护，从而保证了整个森林的安全。
-
公开(公告)号：CN105486660A
公开(公告)日：2016-04-13
申请号：CN201510828800.7
申请日：2015-11-24
Applicant: 东北林业大学
IPC: G01N21/359 , G01N21/3563
CPC classification number: G01N21/359 , G01N21/3563
Abstract: 利用近红外光谱在线检测实木板材性能的装置和方法，本发明涉及一种实木板材性能的检测装置和方法。它解决了阵列式的近红外设备价格昂贵，而单点式近红外设备采集实木上的光谱信息，其分析结果不准确的问题。发明采用单点式探测器分析实木板材性能，通过设计遍历装置动态灵活地实现实木板材表面数据的采集；通过加载近红外探头与实木板材间的测距传感器，控制近红外探头高度，实现探头与被测板材间距离恒定，实现光谱信息表达的准确性。为提高检测速度，利用摄像头判断实木板材是否存在缺陷，若存在缺陷，其性能将不满足要求，该实木板材将被直接剔除，为提高检测速度，直接连接电脑进行后续光谱信息处理，自动化的检测减少人工的费时费力。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.029 seconds)
