-
公开(公告)号：CN119131088B
公开(公告)日：2025-01-28
申请号：CN202411606147.5
申请日：2024-11-12
Applicant: 成都信息工程大学
IPC: G06T7/246 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/042
Abstract: 本申请公开了基于轻量化超图网络的红外图像弱小目标检测跟踪方法，包括：S1、收集红外图像，并通过红外图像的语义特征变分自编码器构建红外目标完备数据库；S2、利用红外目标完备数据库构建并训练超图网络目标检测与识别模型；S3、使用超图网络目标检测与识别模型对红外图像中弱小目标进行检测跟踪，本申请实现了稳健、鲁棒、实时的红外弱小目标检测与跟踪，解决了星上/机载计算能力与存储资源受限条件下深度学习网络模型的部署难题。
-
公开(公告)号：CN117292274A
公开(公告)日：2023-12-26
申请号：CN202311563846.1
申请日：2023-11-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度语义字典零次学习的高光谱湿地图像分类方法，涉及图像分类领域，包括以下步骤：收集高光谱遥感图像，使用鲁棒非负张量分解模型获得降维后的张量特征；使用降维后的张量特征进行对抗训练，得到扩充的图像张量特征和语义特征；构建深度语义字典学习模型，将扩充的图像张量特征和语义特征映射到同一特征空间得到语义特征字典；优化其目标函数，获得语义字典张量和语义嵌入张量，计算未知高光谱遥感图像的语义张量表示；确定未知高光谱遥感图像的类别，本方法解决了高光谱数据在标签信息缺失情况下无监督分类性能差的问题。
-
Patent Agency Ranking
公开(公告)号：CN119131088A
公开(公告)日：2024-12-13
申请号：CN202411606147.5
申请日：2024-11-12
Applicant: 成都信息工程大学
IPC: G06T7/246 , G06T5/50 , G06N3/0464 , G06N3/0455 , G06N3/0495 , G06N3/084 , G06N3/042
Abstract: 本申请公开了基于轻量化超图网络的红外图像弱小目标检测跟踪方法，包括：S1、收集红外图像，并通过红外图像的语义特征变分自编码器构建红外目标完备数据库；S2、利用红外目标完备数据库构建并训练超图网络目标检测与识别模型；S3、使用超图网络目标检测与识别模型对红外图像中弱小目标进行检测跟踪，本申请实现了稳健、鲁棒、实时的红外弱小目标检测与跟踪，解决了星上/机载计算能力与存储资源受限条件下深度学习网络模型的部署难题。
-
公开(公告)号：CN117876890B
公开(公告)日：2024-05-07
申请号：CN202410272406.9
申请日：2024-03-11
Applicant: 成都信息工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06T3/4053 , G06F17/14
Abstract: 本发明公开了一种基于多级特征融合的多源遥感图像分类方法，属于多源遥感图像分类技术领域，包括以下步骤：采集高光谱图像和激光雷达图像，生成多源遥感图像数据；对多源遥感图像数据进行特征提取，得到局部像素级特征；采用简单线性迭代聚类对高光谱图像和激光雷达图像进行超像素分割，得到超像素集合；对超像素集合进行特征提取，得到全局超像素级特征；将局部像素级特征和全局超像素级特征进行融合，得到融合输出特征，并通过融合输出特征进行多源遥感图像分类，得到多源遥感图像分类结果。本发明解决了现有多源遥感图像特征融合时存在异质图像特征提取困难、信息冗余、噪声干扰，不同源数据的兼容性低以及传感器和气候造成分布差异的问题。
-
公开(公告)号：CN117876890A
公开(公告)日：2024-04-12
申请号：CN202410272406.9
申请日：2024-03-11
Applicant: 成都信息工程大学
IPC: G06V20/13 , G06V10/764 , G06V10/80 , G06V10/82 , G06T3/4053 , G06F17/14
Abstract: 本发明公开了一种基于多级特征融合的多源遥感图像分类方法，属于多源遥感图像分类技术领域，包括以下步骤：采集高光谱图像和激光雷达图像，生成多源遥感图像数据；对多源遥感图像数据进行特征提取，得到局部像素级特征；采用简单线性迭代聚类对高光谱图像和激光雷达图像进行超像素分割，得到超像素集合；对超像素集合进行特征提取，得到全局超像素级特征；将局部像素级特征和全局超像素级特征进行融合，得到融合输出特征，并通过融合输出特征进行多源遥感图像分类，得到多源遥感图像分类结果。本发明解决了现有多源遥感图像特征融合时存在异质图像特征提取困难、信息冗余、噪声干扰，不同源数据的兼容性低以及传感器和气候造成分布差异的问题。
-
公开(公告)号：CN116645552A
公开(公告)日：2023-08-25
申请号：CN202310589053.0
申请日：2023-05-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于图胶囊神经网络的高光谱湿地图像分类方法，其包括以下步骤：S1：生成对抗域自适应框架进行学习特征变换，使高光谱湿地图像的源域样本与目标域样本进行特征匹配；S2：构造图胶囊神经域自适应网络结构，提取域不变特征和域相关特征，发现可迁移特征并跨域共享；S3：设计耦合结构两分类器，利用源域样本训练两分类器，最大化目标域样本的分类差异，通过识别分类边界实现高光谱湿地图像的精准分类。本发明同时发现可迁移知识并实现跨域共享，增强了类边界的有效判别，最终实现了在未知区域、复杂场景以及数据种类缺失、不足、不均衡条件下的高光谱湿地图像精准分类。
-
公开(公告)号：CN117292274B
公开(公告)日：2024-01-30
申请号：CN202311563846.1
申请日：2023-11-22
Applicant: 成都信息工程大学
Abstract: 本发明公开了基于深度语义字典零次学习的高光谱湿地图像分类方法，涉及图像分类领域，包括以下步骤：收集高光谱遥感图像，使用鲁棒非负张量分解模型获得降维后的张量特征；使用降维后的张量特征进行对抗训练，得到扩充的图像张量特征和语义特征；构建深度语义字典学习模型，将扩充的图像张量特征和语义特征映射到同一特征空间得到语义特征字典；优化其目标函数，获得语义字典张量和语义嵌入张量，计算未知高光谱遥感图像的语义张量表示；确定未知高光谱遥感图像的类别，本方法解决了高光谱数据在标签信息缺失情况下无监督分类性能差的(56)对比文件Behnood Rasti 等.Image Processing andMachine Learning for HyperspectralUnmixing: An Overview and the HySUPPPython Package《.JOURNAL OF LATE X CLASSFILES》.2023,第14卷(第8期),1-29.DAT TRAN-ANH 等.Integrative Few-ShotClassification and Segmentation forLandslide Detection《.IEEE Access》.2022,第10卷120200-120212.
-
-
-
-
-
-
Search Results
7
records
(took 0.028 seconds)
