-
公开(公告)号:CN111898423A
公开(公告)日:2020-11-06
申请号:CN202010566343.X
申请日:2020-06-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于形态学的多源遥感图像地物精细分类方法,对高光谱图像、红外图像分别提取其形态学特征,使用特定的融合方法,将所提取的两种数据源的空间特征进行融合,再送到分类器中进行分类,得到最终的分类结果图和分类精度。对高光谱图像进行降维处理;对红外图像和降维后的高光谱图;形态学特征融合;分类。本发明利用高光谱图像和红外图像之间的差异性和互补性,通过使用形态学方法提取两种类型图像之间的特征并进行融合,提高了高光谱图像的地物分类精度。
-
公开(公告)号:CN111882512A
公开(公告)日:2020-11-03
申请号:CN202010715887.8
申请日:2020-07-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于深度学习的图像融合方法、装置、设备和存储介质,该方法包括:获取待融合的高光谱图像和待融合的多光谱图像;将待融合的高光谱图像和待融合的多光谱图像分别重组为对应的二维矩阵形式;将二维矩阵形式的多光谱图像输入至预先构建的双支路网络中的第一支路,将二维矩阵形式的高光谱图像输入预先构建的双支路网络中的第二支路;通过最小化第一支路的第一损失函数来训练第一支路,以及,最小化第二支路的第二损失函数来训练第二支路,直到训练次数达到设定次数阈值或第一损失函数且第二损失函数的函数值在设定函数值范围内;输出第二支路中重构的高分辨且高光谱图像,确定融合后的图像。实现了对高光谱图像的空间分辨率的提升。
-
公开(公告)号:CN111881965A
公开(公告)日:2020-11-03
申请号:CN202010701262.6
申请日:2020-07-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。方法包括:获取待识别药材的高光谱图形数据;对高光谱图形数据进行预处理,得到训练样本和测试样本;利用最小二乘回归算法对训练样本和测试样本进行处理,得到训练投影样本和测试投影样本;基于吉洪诺夫正则化的协同表示方法对训练投影样本和测试投影样本进行分类,得到测试样本类标签;根据测试样本类标签结合待识别药材对应的地物真实标签图计算分类精度。上述方法中采用最小二乘回归算法及基于吉洪诺夫正则化的协同表示方法提高了特征提取精度及分类精度,提高了药材产地等级的分类识别效率及精度。
-
公开(公告)号:CN117893927A
公开(公告)日:2024-04-16
申请号:CN202311742600.0
申请日:2023-12-18
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08 , G06V10/58
Abstract: 本发明提供一种适用于无人机高光谱遥感影像的智能像素级分类方法,包括以下步骤:处理无人机高光谱遥感影像,得到无人机高光谱影像训练数据集;构建基于重构模块的注意力网络;根据无人机高光谱影像训练数据集对注意力网络进行训练,得到完成训练的高光谱分类网络;轻量化处理得到的无人机高光谱图像分类网络,将未知分类的无人机高光谱遥感影像输入到已训练好的神经网络中。神经网络将对影像进行分类,并输出相应的分类结果。最终,生成了遥感影像的分类图,实现了无人机高光谱遥感影像的轻量化分类。本发明有助于提取高级特征,同时减小了网络的复杂度,提高了分类性能;满足了无人机应用中的实时性和准确性要求。
-
公开(公告)号:CN117585685A
公开(公告)日:2024-02-23
申请号:CN202210987151.5
申请日:2022-08-17
Applicant: 北京理工大学
IPC: C01B35/14 , C01C3/12 , H01M4/58 , H01M10/054
Abstract: 本发明提供一种阴离子占位普鲁士蓝正极材料制备方法及其储能应用。所述PB正极材料的分子式为NaxMn[Fe(CN)6]1‑yγ6y‑jFj□y,其中0<x≤2、0<n≤1、0<y<1、0<j≤6y;M为二价、三价过渡金属;γ为结合水;□为空位;F为阴离子BF4‑。利用共沉淀法诱导阴离子占位构建稳定的低缺陷结构PB材料,阴离子部分或者完全取代结合水,并与M配位,形成稳定的结合水含量少的晶体结构。以所述离子占位普鲁士蓝正极材料组装成钠离子电池,在50mA g‑1电流密度下,初始充电比容量为126mA h g‑1,循环效率始终接近100%,循环400周后容量保持率为61.54%。
-
公开(公告)号:CN115000363B
公开(公告)日:2023-11-14
申请号:CN202210522048.3
申请日:2022-05-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种有机物/锰基氧化物复合材料及其制备方法和应用,属于水系可充电锌离子电池正极材料制备技术领域。所述复合材料由二价锰盐和有机物单体在高锰酸钾的作用下通过水热法复合而成,所述二价锰盐为乙酸锰或硫酸锰,所述有机物单体为对苯二胺、对苯醌、甲基对苯醌和苯甲酰胺中的至少一种;在水热釜内高温高压下引入有机物单体,通过溶剂间相互作用诱导有机物在锰基氧化物中的插层;通过调控水热反应的温度、时间及有机物单体的浓度获得结构稳定的有机物/锰基氧化物复合材料;所述制备方法仅需一步水热即可完成,反应温度低时间短、简单易操,无需高温煅烧;所述复合材料作具有优异的循环稳定性和倍率性能,可作为锌离子电池正极材料。
-
公开(公告)号:CN111881965B
公开(公告)日:2023-08-25
申请号:CN202010701262.6
申请日:2020-07-20
Applicant: 北京理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/774
Abstract: 本发明涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。方法包括:获取待识别药材的高光谱图形数据;对高光谱图形数据进行预处理,得到训练样本和测试样本;利用最小二乘回归算法对训练样本和测试样本进行处理,得到训练投影样本和测试投影样本;基于吉洪诺夫正则化的协同表示方法对训练投影样本和测试投影样本进行分类,得到测试样本类标签;根据测试样本类标签结合待识别药材对应的地物真实标签图计算分类精度。上述方法中采用最小二乘回归算法及基于吉洪诺夫正则化的协同表示方法提高了特征提取精度及分类精度,提高了药材产地等级的分类识别效率及精度。
-
公开(公告)号:CN111899289B
公开(公告)日:2023-04-18
申请号:CN202010566412.7
申请日:2020-06-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于图像特征信息的的红外图像与可见光图像的配准方法。该方法通过分别提取同一场景下红外图像和可见光图像的点特征信息和线特征,并使用线特征和点特征进行配准和优化配准的效果,先通过点特征计算出配准的投影矩阵,然后通过线特征实现对投影矩阵的更新,达到一个好的配准效果。本发明在整个配准流程中预处理通过滤波去除了噪声等干扰信息,后续计算只使用了图像本身的点特征和线特征,两种特征,尤其是其中的点特征对不同类型、不同尺度、不同亮度的目标鲁棒的,能够实现该发明对多种场景配准的鲁棒性。
-
公开(公告)号:CN111914631A
公开(公告)日:2020-11-10
申请号:CN202010566365.6
申请日:2020-06-19
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于多源传感器数据的林地精细识别的多通道卷积网络方法,首先通过逐波段归一化的方法对多源数据进行量纲归一化的操作,处理后的数据进行1D和2D图像块的切割;将高光谱的1D和2D图像块分批置入特定的HSI网络结构,充分训练并保存此部分的权重参数;将保存的参数导入MCNN网络中高光谱特征提取的分支中,训练完成后保存整体MCNN的权重参数;使用时将被测试的图像分为1D和2D图像块,输入训练完成后的MCNN网络,得到最终的类别划分。本发明的网络训练更具方向性,在特征提取阶段增强了信息的交织和互补性。基于不同复杂程序进行特定的连接方式,避免在整体融合过程中忽略小的区别以及避免来自不同来源的数据之间的过度干扰。
-
公开(公告)号:CN118736317A
公开(公告)日:2024-10-01
申请号:CN202410896961.9
申请日:2024-07-05
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/82 , G06N3/094 , G06N3/045 , G06N3/0475 , G06N3/0455 , G06N3/088 , G06V10/80
Abstract: 本发明公开了一种基于分层掩码对抗网络的多源遥感跨域分类方法,包括以下步骤:S1:基于掩码图像建模思想,搭建分层对称掩码自编码器结构,通过多模态掩码学习和无监督训练,实现多模态多尺度特征提取;S2:构建模态内增强模态间交互模块,并集成到分层解码器,以辅助分层对称掩码自编码器结构充分利用多模态互补信息,实现跨模态重构和多模态融合;S3:设计端到端分类头和对抗域自适应模块,实现细粒度类别语义对齐,挖掘不同场景多源遥感图像之间的跨模态、跨尺度与跨域相关性,提取域不变多模态融合特征;解决了掩码自编码器用于跨场景多源遥感图像端到端协同分类的问题。
-
-
-
-
-
-
-
-
-