-
公开(公告)号：CN112818920A
公开(公告)日：2021-05-18
申请号：CN202110210462.6
申请日：2021-02-25
Applicant: 哈尔滨工程大学
Abstract: 一种双时相高光谱图像空谱联合变化检测方法，属于高光谱图像变化检测技术领域。本发明为了解决如何在小样本的情况下提高变化检测精度的问题。本发明将简化三维卷积自编码器中的编码器作为特征提取器，将待检测的双时相高光谱图像输入到特征提取器中得到双时相空谱联合特征图；将得到双时相空谱联合特征图前后叠加，得到叠加特征图，即空谱联合特征图；在叠加特征图之后连接一个2D卷积层，2D卷积层之后再连接两个全连接层，之后利用softmax分类器输出变化与非变化区域，即分类器对所有像素点分类得到最后的检测结果，检测结果中像素所处区域对应为变化区域或者为非变化区域，用二值图进行表示。主要用用于高光谱图像空谱联合变化检测。
-
公开(公告)号：CN119313882A
公开(公告)日：2025-01-14
申请号：CN202411459995.8
申请日：2024-10-18
Applicant: 哈尔滨工程大学
Abstract: 基于双分支非对称注意力骨干和特征融合金字塔网络的多模态目标检测方法及系统，属于目标检测技术领域。为了解决现有的多模态目标检测方法很难补充每种模式所缺乏的特征，从而影响了多模态目前检测效果的问题。本发明将光学图像、红外图像作为光学分支骨干网络、红外分支骨干网络的输入，分支骨干网络均包括一个卷积层和若干个残差模块，在每一组残差模块之间设置一个细节信息补充模块或语义信息补充模块，细节信息补充模块和语义信息补充模块在残差模块的顺序处理方向上交替设置；将两个分支得到的两个特征金字塔送入特征融合单元，特征融合单元利用特征融合金字塔网络每层的特征进行融合，最终的多个尺度的融合特征送入检测单元进行检测检测。
-
公开(公告)号：CN115393317A
公开(公告)日：2022-11-25
申请号：CN202211026042.3
申请日：2022-08-25
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06V20/13 , G06V10/764 , G06V10/82 , G06V20/70 , G06V10/42 , G06V10/44 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 基于多尺度语义标记Transformer网络的遥感图像变化检测方法,涉及一种遥感图像变化检测方法。为了解决现有的基于Transformer的方法在一定程度上忽略了变化区域的空间信息，从而影响了遥感图像变化检测能力的问题。本发明首先采用特征编解码器提取特征图，利用多尺度语义标记编码器将来自特征编码器的不同尺度的特征图转化为不同长度的语义标记，然后送入Transformer获得全局语义信息。之后利用多尺度语义标记解码器将不同尺度的含有丰富语义信息的语义标记和含有丰富空间信息的多尺度特征图结合起来，获得语义空间联合特征，最终多尺度的语义空间联合特征以跳跃连接的方式在特征解码器中聚合，再通过分类器得到最终的变化结果图。
-
公开(公告)号：CN112818920B
公开(公告)日：2022-09-20
申请号：CN202110210462.6
申请日：2021-02-25
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/82 , G06V10/774 , G06V10/764 , G06N3/04 , G06N3/08
Abstract: 一种双时相高光谱图像空谱联合变化检测方法，属于高光谱图像变化检测技术领域。本发明为了解决如何在小样本的情况下提高变化检测精度的问题。本发明将简化三维卷积自编码器中的编码器作为特征提取器，将待检测的双时相高光谱图像输入到特征提取器中得到双时相空谱联合特征图；将得到双时相空谱联合特征图前后叠加，得到叠加特征图，即空谱联合特征图；在叠加特征图之后连接一个2D卷积层，2D卷积层之后再连接两个全连接层，之后利用softmax分类器输出变化与非变化区域，即分类器对所有像素点分类得到最后的检测结果，检测结果中像素所处区域对应为变化区域或者为非变化区域，用二值图进行表示。主要用用于高光谱图像空谱联合变化检测。
-
公开(公告)号：CN114565850A
公开(公告)日：2022-05-31
申请号：CN202210203988.6
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
Patent Agency Ranking
公开(公告)号：CN114266967A
公开(公告)日：2022-04-01
申请号：CN202111534994.1
申请日：2021-12-15
Applicant: 哈尔滨工程大学
Abstract: 基于符号距离特征的跨源遥感数据目标识别方法，属于遥感图像目标识别技术领域。为了解决遥感数据目标识别中异源图像特征提取和地物识别存在差异较大的问题，本发明首先获得待识别的遥感图像，并输入符号距离特征提取网络进行符号距离特征提取，得到随机采样点到目标边界的距离值s；当输入数据仅为同源数据，取边界点集为最终边界点集，当输入数据为同一个目标的异源数据时，将可见光图像、红外图像、SAR图像对应的符号距离特征按照比例进行融合，再判定点是否属于目标表面，得到最终的边界点集；然后对得到的三维点集进行三维特征提取，得到三维特征向量，将特征向量XE通过分类器进行识别。主要用于遥感数据的目标识别。
-
公开(公告)号：CN113807273A
公开(公告)日：2021-12-17
申请号：CN202111112228.6
申请日：2021-09-18
Applicant: 哈尔滨工程大学
Abstract: 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。
-
公开(公告)号：CN119672300A
公开(公告)日：2025-03-21
申请号：CN202411713736.3
申请日：2024-11-27
Applicant: 哈尔滨工程大学
IPC: G06V10/25 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 基于混合最小点‑瓦瑟斯坦距离的图像目标检测方法，属于目标检测技术领域，解决了现有计算机视觉的目标检测过程中存在弱小目标易漏检的问题。本发明获取目标图像，采用目标检测模型对图像进行处理，获得标记不同尺度目标的图像；目标检测模型通过预训练得到，具体训练过程为采用全局自注意力机制轻量骨干网络对样本图片进行多尺度特征提取，采用密集嵌套特征融合网络通过上采样或深度可分离卷积进行特征图尺寸转换，通道拼接，获取最终四个尺寸的特征图；对特征融合后的特征图进行不同尺度的位置置信度和类别预测；将所述预测值汇总，获取标记有不同尺度目标的图像，完成一次训练，直至达到预设训练次数，完成训练。本发明适用于图像目标检测。
-
公开(公告)号：CN119295947A
公开(公告)日：2025-01-10
申请号：CN202411539551.5
申请日：2024-10-31
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V20/17 , G06V10/26 , G06V20/70 , G06V10/54 , G06V10/56 , G06V10/80 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/048 , G06V10/74
Abstract: 一种基于多数据目标原型融合框架的侵蚀沟分割方法，涉及遥感图像目标提取技术领域，针对现有分割方法由于相似的纹理和光谱特征的干扰，导致了分割准确率低的问题，本申请通过将提供地形信息的数字高程数据和能够提供颜色和纹理等视觉特征的可见光影像进行有效融合，缓解了杂草等易混淆地物的纹理和光谱特征的干扰，最终提升了侵蚀沟分割的准确率。
-
公开(公告)号：CN114841319B
公开(公告)日：2024-11-22
申请号：CN202210474822.8
申请日：2022-04-29
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06V20/13 , G06V10/52 , G06V10/80 , G06V10/776 , G06V10/82
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。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.022 seconds)
