公开(公告)号：CN116486273B

公开(公告)日：2023-09-01

申请号：CN202310732786.5

申请日：2023-06-20

Applicant: 南昌工程学院

Inventor： 郭波 ,  张建

IPC: G06V20/10 ,  G06V10/28 ,  G06T7/13 ,  G06V10/26 ,  G06T7/194 ,  G06V20/70 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提出一种小样本遥感图像水体信息提取方法，包括：对原始图像进行预处理；通过边缘评估指标选择预处理图像输入边缘提取算子，得到丰富语义信息的边缘图像；构造双流神经网络模型；通过调整双流神经网络模型的模型超参数，选择优化器与损失函数，提高训练模型的训练精度；将具有丰富语义信息的边缘图像，与原始图像作为输入项，对模型进行训练；将边缘图像作为输入项可以通过边缘语义，优化水体提取边界；模型训练完毕后得到遥感图像水体提取模型；遥感图像输入该模型可以提取出水体信息；本申请在水体像素与背景像素的差距较小时，仍能精确分割河流与背景，达到精确度较高的水体识别目的。

公开(公告)号：CN116486273A

公开(公告)日：2023-07-25

申请号：CN202310732786.5

申请日：2023-06-20

Applicant: 南昌工程学院

Inventor： 郭波 ,  张建

IPC: G06V20/10 ,  G06V10/28 ,  G06T7/13 ,  G06V10/26 ,  G06T7/194 ,  G06V20/70 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06V10/52 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明提出一种小样本遥感图像水体信息提取方法，包括：对原始图像进行预处理；通过边缘评估指标选择预处理图像输入边缘提取算子，得到丰富语义信息的边缘图像；构造双流神经网络模型；通过调整双流神经网络模型的模型超参数，选择优化器与损失函数，提高训练模型的训练精度；将具有丰富语义信息的边缘图像，与原始图像作为输入项，对模型进行训练；将边缘图像作为输入项可以通过边缘语义，优化水体提取边界；模型训练完毕后得到遥感图像水体提取模型；遥感图像输入该模型可以提取出水体信息；本申请在水体像素与背景像素的差距较小时，仍能精确分割河流与背景，达到精确度较高的水体识别目的。

公开(公告)号：CN114462558A

公开(公告)日：2022-05-10

申请号：CN202210382999.5

申请日：2022-04-13

Applicant: 南昌工程学院

Inventor： 郭波 ,  张渴望 ,  张建 ,  谢云敏

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06T7/11 ,  G06V10/764 ,  G06V10/25 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明提出一种数据增广的监督学习图像缺陷分类方法与系统，所述方法包括如下步骤：获取待训练图像；将所述待训练图像输入至感兴趣区域特征提取模块，以得到图像感兴趣特征区域；构建数据增广模型，对所述图像感兴趣特征区域进行数据增广，以得到数据增广后的数据集；构建监督学习神经网络模型，利用所述数据增广后的数据集对所述监督学习神经网络模型进行训练；将待预测区域图像放入至训练完的监督学习神经网络模型中进行预测，以得到图像分类结果。本发明具有人工标记需求小，分类识别性能良好，鲁棒性较高，可扩展性强的优点。