-
公开(公告)号：CN119719891A
公开(公告)日：2025-03-28
申请号：CN202411761020.0
申请日：2024-12-03
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/25 , G06F18/214 , G06N3/045
Abstract: 一种基于内外空间快慢学习策略的多模态遥感数据持续未知类分类方法，属于遥感数据分类技术领域。为解决遥感数据实现持续分类未知类，本发明包括获取多模态遥感数据，进行分块编码，得到编码后的高光谱数据和编码后的激光雷达数据；构建跨模态像素级空间融合模块，将编码后的高光谱数据和编码后的激光雷达数据输入到跨模态像素级空间融合模块中，得到跨模态融合输出结果；构建持续学习的快慢策略，包括内空间快慢学习策略模型和外空间快慢学习策略模型；将跨模态融合输出结果和每轮的增量数据输入到步骤S4构建的内空间快慢学习策略模型和外空间快慢学习策略模型中进行迭代学习，然后将模型的输出进行融合得到多模态遥感数据持续未知类分类结果。
-
公开(公告)号：CN117788320A
公开(公告)日：2024-03-29
申请号：CN202311588801.X
申请日：2023-11-24
Applicant: 哈尔滨工业大学
IPC: G06T5/70 , G06V10/764 , G06V10/774
Abstract: 本发明提出一种基于共享对称网络的SAR图像盲点去噪方法，包括，获取合成孔径雷达SAR图像；将获取的SAR图像分别顺时针旋转180度、90度、270度形成三个偏移后的SAR图像，将偏移后的SAR图像与所述SAR图像一起组成偏移SAR图像集合；构建SAR图像的盲点去噪网络；将偏移SAR图像集合中每一个SAR图像分别输入一个结构相同的SAR图像的盲点去噪网络，形成四个分支的盲点去噪网络；拼接四个分支盲点的去噪网络的特征输出结果并输出SAR图像中每个像素满足逆伽马分布中密度函数对应值；根据密度函数对应值，通过估计后验分布的期望值获得去噪后的SAR图像。通过本发明提出的方法，提升了SAR图像的去噪性能。
-
公开(公告)号：CN116310502A
公开(公告)日：2023-06-23
申请号：CN202310076799.1
申请日：2023-01-30
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/58 , G06V10/82 , G06V10/77 , G06N3/0464 , G06N3/047 , G06N3/082
Abstract: 本申请提出一种面向不确定性估计的高光谱图像分类方法，涉及高光谱图像分类技术领域，该方法包括：获取高光谱图像；构建自适应降维层，将高光谱图像输入自适应降维层提取光谱特征，得到降维后的高光谱图像；利用Gabor滤波器构建Gabor卷积层，使用贝叶斯深度学习刻画Gabor卷积层的参数分布，将降维后的高光谱图像输入到Gabor卷积层中提取高光谱图像的光谱‑空间联合特征；构建贝叶斯全连接层，使贝叶斯全连接层学习标准Dropout层的掩码分布，将光谱‑空间联合特征输入贝叶斯全连接层，通过贝叶斯全连接层进行分类，得到高光谱图像的分类结果。本申请提高了高光谱图像分类方法的分类精度，同时提供了高光谱分类结果的不确定性估计，可以反映对分类结果的可信程度。
-
公开(公告)号：CN115639535A
公开(公告)日：2023-01-24
申请号：CN202211296952.3
申请日：2022-10-21
Applicant: 哈尔滨工业大学
IPC: G01S7/41
Abstract: 本发明提出一种基于Transformer的雷达干扰信号识别方法，包括：构建雷达干扰信号时域数据集，并对雷达干扰信号时域数据集进行处理获取第一训练数据集；对第一训练数据集进行样本之间的采样点融合，获取第二训练数据集；将第一训练数据集与第二训练数据集进行拼接获取第三训练数据集；将第三训练数据集输入Transformer模型中进行特征提取，Transformer模型对应的损失函数为类别向量中包含的特征对应的损失函数与各个采样窗中包含的特征对应的损失函数之和，通过优化算法获取使Transformer模型损失最小的模型参数；通过对第三训练数据集采用有放回抽样策略得到T个采样训练集，通过采样训练集以及模型参数训练T个Transformer模型；将测试数据集输入训练好的T个Transformer模型中，通过投票获取识别结果。
-
公开(公告)号：CN110826630B
公开(公告)日：2022-07-15
申请号：CN201911090196.7
申请日：2019-11-08
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的雷达干扰信号特征级融合识别方法，属于雷达干扰信号识别领域。本发明针对目前雷达干扰信号的特征参数依赖人工方式提取，易受噪声影响并出现特征冗余的问题。包括建立雷达干扰时域数据集，对雷达干扰时域数据集中的雷达干扰时域数据以两种不同形式提取特征向量，再将提取的两种特征向量进行串联融合；采用融合后的特征向量训练支持向量机，获得训练好的雷达干扰信号特征级融合识别模型；将采集的测试样本输入到识别模型，获得雷达干扰信号识别结果。本发明利用CNN提取雷达干扰信号的深层特征，在特征级层面设计不同的雷达干扰信号数据融合模型，从而使信号识别免受噪声影响，并同时消除特征冗余现象。
-
Patent Agency Ranking
公开(公告)号：CN113301331A
公开(公告)日：2021-08-24
申请号：CN202110574294.9
申请日：2021-05-25
Applicant: 哈尔滨工业大学
IPC: H04N19/11 , H04N19/147 , H04N19/61
Abstract: 基于通用视频编码标准的帧内预测编码模式快速决策方法，属于视频编码技术领域，本发明为解决现有通用视频编码技术中存在的编码复杂度高，未对编码模式相关性进行分析，未对帧内模式决策的两个过程中需要遍历计算代价值的编码模式进行自适应筛选的问题。它对构造的初始集合进行粗略模式决策处理，将保留的预测模式与其相邻预测模式组成新的预测模式集合，再对其进行粗略模式决策处理，比较哈德玛变换代价值，与最可能预测模式MPM合并，去除重复的预测模式，计算其最小哈德玛变换代价值，将其他哈德玛变换代价值大于1.5倍最小哈德玛变换代价值的预测模式去除；保留两个最小哈德玛变换代价值对应的编码模式。本发明用于视频编码技术。
-
公开(公告)号：CN104102929B
公开(公告)日：2017-05-03
申请号：CN201410359935.9
申请日：2014-07-25
Applicant: 哈尔滨工业大学
IPC: G06K9/66
Abstract: 基于深度学习的高光谱遥感数据分类方法，属于高光谱数据分类技术领域。本发明是为了解决现有对蕴含非线性特征的高光谱数据进行分类的方法存在分类精度低的问题。它首先对高光谱原始数据进行处理获得高光谱原始数据的光谱特征向量和空间特征信息；再对所述光谱特征向量和空间特征信息进行整合；由高光谱整合数据确定标记样本，并由标记样本中选择训练样本和测试样本；使用训练样本对构成深层网络的多层限制玻尔兹曼机进行预训练；使用训练样本对多层限制玻尔兹曼机构成的网络进行有监督学习；将测试样本输入微调后的多层限制玻尔兹曼机构成的网络，实现高光谱遥感数据的分类。本发明用于高光谱遥感数据的分类。
-
公开(公告)号：CN105354802A
公开(公告)日：2016-02-24
申请号：CN201510696833.0
申请日：2015-10-23
Applicant: 哈尔滨工业大学
IPC: G06T5/00
CPC classification number: G06T5/001
Abstract: 基于双向梯度预测的高光谱图像连续谱段恢复方法，属于遥感图像处理中的高光谱图像处理领域，本发明为解决高光谱图像的获取过程中连续几个谱段受噪声污染的问题。本发明所述恢复方法的具体过程为：判断受损谱段的平均峰值信噪比是否小于阈值，如果是则将连续的受损谱段和受损谱段前、后临近的未受损谱段分离，舍弃受损谱段的信息，利用受损谱段前、后临近的未受损谱段的信息对受损谱段进行双向梯度估计，得到高光谱图像的恢复结果；如果否将受损谱段和未受损谱段分离后分别对其进行线性小波分解，保存受损谱段中的低频分量，对未受损谱段中的高频分量进行双向梯度估计，进行小波重建获得恢复的高光谱图像。本发明用于高光谱图像恢复。
-
公开(公告)号：CN104751162A
公开(公告)日：2015-07-01
申请号：CN201510158325.7
申请日：2015-04-03
Applicant: 哈尔滨工业大学
Abstract: 基于卷积神经网络的高光谱遥感数据特征提取方法，属于遥感数据特征提取技术领域。本发明是为了解决采用现有方法对高光谱遥感数据进行特征提取，获得的特征数据不具有深层的结构，不利于后续图像处理的问题。它首先对高光谱原始数据进行坏带去除、数据变形重组及数据预处理，获得标准化输入数据；再对标准化输入数据利用不同的滤波器通过局部感受野对数据进行卷积；对卷积结果进行子采样；最后将卷积层与子采样层叠加，获得的标准化输入数据状态响应，实现对高光谱遥感数据的特征提取。本发明用于高光谱遥感数据的特征提取。
-
公开(公告)号：CN102081669A
公开(公告)日：2011-06-01
申请号：CN201110025762.3
申请日：2011-01-24
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 多源遥感资源异构数据库的分级检索方法，涉及多源遥感资源的异构数据库的检索方法。本发明解决了现有技术中对传统遥感资源不能跨库检索的问题及检索速度较慢的问题。本发明的方法中，首先对分布的各个异地遥感数据中心中的数据库的统一化，并将统一化之后的所有数据存入到本地数据库，实现遥感资源异构编目数据库的统一化，为后续的检索提供基础。然后，对本地数据库中的所有数据进行分级检索；所述分级检索采用初级过滤和二次过滤两级的检索策略，实现减小计算量的目的。最后，对检索结果进行排序，把质量高的检索结果优先呈现给用户。该方法通过编目数据的统一化和空间查询的分级化实现了高效、稳健的遥感资源异构数据库的空间查询。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.028 seconds)
