-
公开(公告)号：CN113221775B
公开(公告)日：2022-04-26
申请号：CN202110545880.0
申请日：2021-05-19
Applicant: 哈尔滨工程大学
IPC: G06V20/13 , G06V10/22 , G06V10/764 , G06V10/80 , G06V10/766 , G06K9/62
Abstract: 单阶段任意四边形回归框大长宽比目标遥感图像检测方法，属于遥感图像技术领域，为解决遥感图像为俯瞰视角，无法采用水平框对大长宽比目标进行准确定位的问题。它基于单阶段目标检测框架，能够回归任意四边形；过程包括：利用特征金字塔网络结构，对目标遥感图像三个特征层分别进行特征提取，并对提取特征进行融合；采用任意四边形框对目标遥感图像的目标位置进行回归计算，获取任意四边形的候选框，同时获得分类结果和置信度得分；合并三个尺度上置信度得分高的候选框，还原到原始尺寸，计算每个类别候选框之间的交并比，采用解决任意四边形的非极大值抑制算法去掉多余候选框，获得最终检测结果。本发明用于对大长宽比的目标遥感图像进行检测。
-
公开(公告)号：CN113298808B
公开(公告)日：2022-03-18
申请号：CN202110692278.X
申请日：2021-06-22
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06T7/11 , G06T7/13 , G06T7/136 , G06V10/25 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明的一种面向倾斜遥感图像中建筑物遮挡信息的修复方法属于图像处理技术领域，目的是为了克服现有图像遮挡信息修复方法中信息修复的策略不宜选择，导致修复的质量以保证的问题，方法具体步骤如下：步骤一、将倾斜遥感图像进行分块，得到分块遥感图像；步骤二、通过训练后的透视实例分割网络，得到分块遥感图像中每个独立建筑物的建筑物整体区域掩模面积和建筑物被遮挡区域掩模面积，并计算得到建筑物被遮挡区域掩模面积相对于的建筑物整体区域掩模面积的比例；步骤三、将比例与设定的比例阈值T比较，通过基于边缘推演的图像补全策略或对基于轮廓约束的图像补全策略倾斜遥感图像中建筑物遮挡信息进行修复。
-
公开(公告)号：CN109446978B
公开(公告)日：2022-01-07
申请号：CN201811248505.4
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于凝视卫星复杂场景的飞机动目标跟踪方法，包括以下步骤：输入视频数据；将第1帧分别与第xi1帧、第xi2帧、第xi3帧三次差分并累加；利用形态学滤波开运算处理消除融合后图像差值小处，得到潜在变化区域；选择更快的基于区域卷积神经网络作为检测网络，输入图像经过卷积层生成特征图，得到候选区域，进行分类以及候选区域微调得到检测网络；在视频首帧以变化区域为中心，提取w×h图像并利用检测网络进行目标检测，得到飞机动目标；使用多通道颜色特征算法对检测到飞机动目标进行跟踪，根据目标位置取出该帧目标窗和下一帧目标窗，对这两个窗进行快速傅里叶变换，转化后在频域图直接点乘。本发明能实现全自动的对飞机动目标实施跟踪。
-
公开(公告)号：CN113487738A
公开(公告)日：2021-10-08
申请号：CN202110707259.X
申请日：2021-06-24
Applicant: 哈尔滨工程大学
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：CN113313207A
公开(公告)日：2021-08-27
申请号：CN202110714354.2
申请日：2021-06-25
Applicant: 哈尔滨工程大学
Abstract: 一种类别真值约束分类函数的样本不平衡目标检测方法，属于遥感图像技术领域，本发明为解决大规模数据集的目标检测存在分类不准确、不同目标分类之间的目标数目不平衡的问题。它包括：将输入的数据集进行非均匀采样，采样过程中依据各类别数据集的数目进行采样频率的调整；将采样后的数据输入到深度学习目标检测算法模型中进行训练，充分学习各类别的特征信息；优化深度学习目标检测算法模型中检测头部位的归一化指数函数，在归一化指数函数中引入类别真值约束的分类函数，输出目标检测结果。本发明用于大规模数据集的目标检测。
-
Patent Agency Ranking
公开(公告)号：CN113221775A
公开(公告)日：2021-08-06
申请号：CN202110545880.0
申请日：2021-05-19
Applicant: 哈尔滨工程大学
Abstract: 单阶段任意四边形回归框大长宽比目标遥感图像检测算法，属于遥感图像技术领域，为解决遥感图像为俯瞰视角，无法采用水平框对大长宽比目标进行准确定位的问题。它基于单阶段目标检测框架，能够回归任意四边形；过程包括：利用特征金字塔网络结构，对目标遥感图像三个特征层分别进行特征提取，并对提取特征进行融合；采用任意四边形框对目标遥感图像的目标位置进行回归计算，获取任意四边形的候选框，同时获得分类结果和置信度得分；合并三个尺度上置信度得分高的候选框，还原到原始尺寸，计算每个类别候选框之间的交并比，采用解决任意四边形的非极大值抑制算法去掉多余候选框，获得最终检测结果。本发明用于对大长宽比的目标遥感图像进行检测。
-
公开(公告)号：CN107563355B
公开(公告)日：2021-04-02
申请号：CN201710896978.4
申请日：2017-09-28
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于生成对抗网络的高光谱异常检测方法。1、构建符合高光谱图像数据特点的网络模型，2、使用高光谱数据集作为训练样本，训练出一个符合高光谱数据统计特性的概率模型，3、利用训练完成的判别器来计算待测像元属于真实高光谱数据集的概率，4、计算高光谱数据集中的每个像元的异常检测结果。本发明利用生成对抗网络的思想，训练出符合高光谱图像数据特征的概率模型，该模型能够生成符合真实高光谱数据集整体统计特性的生成数据集，并且能够判断一个像元属于高光谱数据集的概率。本发明不需要对高光谱数据集的特征进行模型假设，能够直接估计出符合待测高光谱数据统计特性的概率模型，使检测结果更加可靠。
-
公开(公告)号：CN109447993A
公开(公告)日：2019-03-08
申请号：CN201811248533.6
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于混合真伪样本策略的海冰图像分割方法，包括以下步骤：使用菱形-正方形的分形方法生成仿真的海冰地形；分析实际海冰对应的色带信息，对仿真的海冰地形进行颜色赋值，根据仿真样本高程值设定分类阈值，生成真值图；对仿真的海冰地进行滤波预处理，并与收集到的带标签的真实海冰样本组成训练集；通过对称的编码器-解码器全卷积网络进行训练，得到海冰图像的分割网络；对待分割的海冰图像进行图像分割。本发明使用菱形-正方形的分形方法生成海冰的模拟地形，通过阈值设定得到带标签的真值图，补充训练集样本；有效地改善了小样本情况下海冰图像的分割效果，有利于海冰遥感图像分割技术的实际应用。
-
公开(公告)号：CN109446978A
公开(公告)日：2019-03-08
申请号：CN201811248505.4
申请日：2018-10-25
Applicant: 哈尔滨工程大学
Abstract: 本发明涉及一种基于凝视卫星复杂场景的飞机动目标跟踪方法，包括以下步骤：输入视频数据；将第1帧分别与第xi1帧、第xi2帧、第xi3帧三次差分并累加；利用形态学滤波开运算处理消除融合后图像差值小处，得到潜在变化区域；选择更快的基于区域卷积神经网络作为检测网络，输入图像经过卷积层生成特征图，得到候选区域，进行分类以及候选区域微调得到检测网络；在视频首帧以变化区域为中心，提取w×h图像并利用检测网络进行目标检测，得到飞机动目标；使用多通道颜色特征算法对检测到飞机动目标进行跟踪，根据目标位置取出该帧目标窗和下一帧目标窗，对这两个窗进行快速傅里叶变换，转化后在频域图直接点乘。本发明能实现全自动的对飞机动目标实施跟踪。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.027 seconds)
