-
公开(公告)号：CN114565850B
公开(公告)日：2025-03-25
申请号：CN202210203988.6
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
公开(公告)号：CN114841319A
公开(公告)日：2022-08-02
申请号：CN202210474822.8
申请日：2022-04-29
Applicant: 哈尔滨工程大学
Abstract: 一种基于多尺度自适应卷积核的多光谱图像变化检测方法，属于多光谱图像变化检测领域。为了解决高光谱图像变化检测过程中，现有的方法存在对复杂地物信息提取困难、变化区域边界定位不准确的问题，本发明设计了权重共享的双侧编码路径的MASK‑Net，将基于自适应权重的卷积核选择模块嵌入到编码路径中提取图像中的多尺度特征；并将多尺度空间特征输入到本发明所设计的具有注意力机制的上采样模块来提取网络中的深层特征，通道注意力使得浅层特征和深层特征得到了选择性的融合，基于设计的网络进行检测；本发明还使用多模态条件随机场来对神经网络的结果进行二次检测实现变化像素的分类与定位。主要用于多光谱图像的变化检测。
-
公开(公告)号：CN113807273B
公开(公告)日：2023-12-19
申请号：CN202111112228.6
申请日：2021-09-18
Applicant: 哈尔滨工程大学
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/772 , G06V10/762 , G06V10/764
Abstract: 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。
-
公开(公告)号：CN113033686A
公开(公告)日：2021-06-25
申请号：CN202110361621.2
申请日：2021-04-02
Applicant: 哈尔滨工程大学
Abstract: 基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统，属于高光谱图像分类技术领域。为了解决现有的高光谱图像分类方法存在问题椒盐噪声和区域级错分问题，以及无法提取适当的空谱信息的问题。本发明首先利用多层核引导可变卷积层组成特征提取网络提取准确的空谱特征，并得到初始的分类概率图；然后进行再分类，经过第一个双窗联合双边滤波器和第二个双窗联合双边滤波器进行分类；对于初始的分类概率图中任一个像素点进行上述操作，输出的结果就是最终的分类概率图；对最终的分类概率图进行最大概率取值，得到最终的分类结果图。主要用于高光谱图的分类。
-
Patent Agency Ranking
公开(公告)号：CN114841319B
公开(公告)日：2024-11-22
申请号：CN202210474822.8
申请日：2022-04-29
Applicant: 哈尔滨工程大学
IPC: G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06V20/13 , G06V10/52 , G06V10/80 , G06V10/776 , G06V10/82
Abstract: 一种基于多尺度自适应卷积核的多光谱图像变化检测方法，属于多光谱图像变化检测领域。为了解决高光谱图像变化检测过程中，现有的方法存在对复杂地物信息提取困难、变化区域边界定位不准确的问题，本发明设计了权重共享的双侧编码路径的MASK‑Net，将基于自适应权重的卷积核选择模块嵌入到编码路径中提取图像中的多尺度特征；并将多尺度空间特征输入到本发明所设计的具有注意力机制的上采样模块来提取网络中的深层特征，通道注意力使得浅层特征和深层特征得到了选择性的融合，基于设计的网络进行检测；本发明还使用多模态条件随机场来对神经网络的结果进行二次检测实现变化像素的分类与定位。主要用于多光谱图像的变化检测。
-
公开(公告)号：CN113033686B
公开(公告)日：2022-03-22
申请号：CN202110361621.2
申请日：2021-04-02
Applicant: 哈尔滨工程大学
IPC: G06V10/764 , G06V10/74 , G06V10/774 , G06V10/30 , G06V20/10 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/58
Abstract: 基于核引导可变卷积和双窗联合双边滤波器的高光谱图分类方法及系统，属于高光谱图像分类技术领域。为了解决现有的高光谱图像分类方法存在问题椒盐噪声和区域级错分问题，以及无法提取适当的空谱信息的问题。本发明首先利用多层核引导可变卷积层组成特征提取网络提取准确的空谱特征，并得到初始的分类概率图；然后进行再分类，经过第一个双窗联合双边滤波器和第二个双窗联合双边滤波器进行分类；对于初始的分类概率图中任一个像素点进行上述操作，输出的结果就是最终的分类概率图；对最终的分类概率图进行最大概率取值，得到最终的分类结果图。主要用于高光谱图的分类。
-
公开(公告)号：CN115393317A
公开(公告)日：2022-11-25
申请号：CN202211026042.3
申请日：2022-08-25
Applicant: 哈尔滨工程大学
IPC: G06T7/00 , G06V20/13 , G06V10/764 , G06V10/82 , G06V20/70 , G06V10/42 , G06V10/44 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 基于多尺度语义标记Transformer网络的遥感图像变化检测方法,涉及一种遥感图像变化检测方法。为了解决现有的基于Transformer的方法在一定程度上忽略了变化区域的空间信息，从而影响了遥感图像变化检测能力的问题。本发明首先采用特征编解码器提取特征图，利用多尺度语义标记编码器将来自特征编码器的不同尺度的特征图转化为不同长度的语义标记，然后送入Transformer获得全局语义信息。之后利用多尺度语义标记解码器将不同尺度的含有丰富语义信息的语义标记和含有丰富空间信息的多尺度特征图结合起来，获得语义空间联合特征，最终多尺度的语义空间联合特征以跳跃连接的方式在特征解码器中聚合，再通过分类器得到最终的变化结果图。
-
公开(公告)号：CN114565850A
公开(公告)日：2022-05-31
申请号：CN202210203988.6
申请日：2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 基于全变差低秩张量分解的高光谱图像异常目标检测方法，属于高光谱遥感图像异常目标检测技术领域。本发明为了解决目前的异常检测方法存在无法很好地分离背景和异常的问题。本发明采用全变差正则化低秩张量分解模型将高光谱图像分解为低秩数据部分和混合信息部分；然后利用l2,1范数和域变换递归滤波器，对混合信息部分进行异常检测；并利用协同表示检测器提取嵌入低秩背景数据部分的异常信息；融合低秩数据和混合信息部分的初始检测结果，得到最终的检测结果。主要用于高光谱图像的异常目标检测。
-
公开(公告)号：CN113807273A
公开(公告)日：2021-12-17
申请号：CN202111112228.6
申请日：2021-09-18
Applicant: 哈尔滨工程大学
Abstract: 基于增强全变分约束表示模型与端元背景字典的高光谱异常检测方法，涉及一种高光谱异常检测方法。本发明为了解决现有的高光谱异常检测方法存在破坏高光谱数据的空间结构问题和混合像元内异常分量的干扰问题，从而使得目前的检测方法的检测精度较低。本发首先采用所提出的端元背景字典构建方法构建端元背景字典，然后对构建的基于增强全变分约束表示模型的高光谱异常检测方法进行优化求解，最后在求解出的最优化稀疏矩阵上得到检测结果。主要用于高光谱的异常检测。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.018 seconds)
