公开(公告)号：CN117953035B

公开(公告)日：2024-09-24

申请号：CN202410136717.2

申请日：2024-01-31

Applicant: 南京信息工程大学

Inventor： 马科宇 ,  胡凯 ,  孟元成 ,  孙欣钰

IPC: G06T7/60 ,  G06T7/10 ,  G06T5/70 ,  G06T7/13 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/09

Abstract: 本发明公开了一种光学与SAR图像注意力协同的积雪深度预测方法，包括：步骤1：获取训练数据，包括光学图像和SAR图像。步骤2：构建光学与SAR图像注意力协同网络，训练光学与SAR图像注意力协同网络，对训练数据中的图像进行数据增强处理，然后将图像与对应的标签转化为张量，然后输入到光学与SAR图像注意力协同网络中训练。步骤3：使用训练好的光学与SAR图像注意力协同网络进行预测，输入一组光学图像和SAR图像，经过训练好的权重提取特征进行编码解码操作后输出得到积雪深度预测值。该方法能够有效的减少SAR散斑噪声的影响，增强对光学图像和SAR图像两种异构数据的特征表达，提高了积雪深度估计的鲁棒性和准确性，在实验中取得了不错的结果。

公开(公告)号：CN119168903A

公开(公告)日：2024-12-20

申请号：CN202411198190.2

申请日：2024-08-29

Applicant: 南京信息工程大学

Inventor： 孟元成 ,  胡凯 ,  马科宇

IPC: G06T5/70 ,  G06T5/60 ,  G06T5/50 ,  G06V20/05 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/09

Abstract: 本申请涉及一种水下连续视频帧增强并保持时间一致性的方法。该方法包括：获取待增强视频的水下连续视频帧序列；依次将待增强视频的水下连续视频帧序列中的每张水下连续视频帧输入到训练好的水下视频帧增强模型的改进U‑Net网络单元进行处理，获得第一水下特征图；将待增强的水下连续视频帧输入到训练好的水下视频帧增强模型的特征融合单元进行处理，获得第二水下特征图；将第一水下特征图和第二水下特征图进行特征串联，获得串联后的水下特征图；将串联后的水下特征图输入到训练好的水下视频帧增强模型的特征增强网络单元进行处理，获得具有时间一致性的增强水下视频帧。能够有效的解决帧序列中的时间不稳定性，提高增强后的水下视频质量。

公开(公告)号：CN117953035A

公开(公告)日：2024-04-30

申请号：CN202410136717.2

申请日：2024-01-31

Applicant: 南京信息工程大学

Inventor： 马科宇 ,  胡凯 ,  孟元成 ,  孙欣钰

IPC: G06T7/60 ,  G06T7/10 ,  G06T5/70 ,  G06T7/13 ,  G06N3/0464 ,  G06V10/44 ,  G06V10/80 ,  G06N3/048 ,  G06N3/0985 ,  G06N3/09

Abstract: 本发明公开了一种光学与SAR图像注意力协同的积雪深度预测方法，包括：步骤1：获取训练数据，包括光学图像和SAR图像。步骤2：构建光学与SAR图像注意力协同网络，训练光学与SAR图像注意力协同网络，对训练数据中的图像进行数据增强处理，然后将图像与对应的标签转化为张量，然后输入到光学与SAR图像注意力协同网络中训练。步骤3：使用训练好的光学与SAR图像注意力协同网络进行预测，输入一组光学图像和SAR图像，经过训练好的权重提取特征进行编码解码操作后输出得到积雪深度预测值。该方法能够有效的减少SAR散斑噪声的影响，增强对光学图像和SAR图像两种异构数据的特征表达，提高了积雪深度估计的鲁棒性和准确性，在实验中取得了不错的结果。