-
公开(公告)号：CN118658150B
公开(公告)日：2024-11-15
申请号：CN202411140040.6
申请日：2024-08-20
Applicant: 湖南大学
Abstract: 本发明公开了一种基于显著性目标检测的复杂背景下棉花病害识别方法，先搭建棉花病害识别模型，获取棉花病害数据集，输入至特征编码模块中，提取棉花图像的语义特征和带有背景噪声的病害特征，语义特征输入至掩码解码模块得到突出前景的掩码；将掩码输入至特征变换模块，得到变换的掩码特征；将带有背景噪声的病害特征和变换的掩码特征输入识别解码模块，整合掩码特征中的前景信息和提取的病害特征进行虫害检测，得到识别结果；根据识别结果和预设的损失函数、指数移动平均方法对棉花病害识别模型的参数进行更新；获取实时棉花病害图片，输入至更新后的棉花识别模型，得到棉花病害识别结果。提高模型鲁棒性以及复杂环境下棉花病害识别准确率。
-
公开(公告)号：CN115689885A
公开(公告)日：2023-02-03
申请号：CN202211311477.2
申请日：2022-10-25
Applicant: 湖南大学
IPC: G06T3/40 , G06V10/82 , G06V10/774 , G06V10/56 , G06V10/772 , G06V40/16
Abstract: 本发明公开了一种基于深度残差表示的彩色人脸图像超分辨率方法，包括步骤1：首先利用CAS‑PEAL‑R1人脸数据集重新训练SRCNN网络，然后将待重建的低分辨率彩色人脸图像Y由RGB空间转换到YCbCr空间，将其中的亮度分量图像调整到所需要的大小；步骤2：将调整后的亮度分量图像输入到SRCNN网络中，将其结果图像和其他两个由双三次插值放大的分量图像进行整合再转换回RGB空间，得到初步的人脸图像；步骤3：采用人脸残差补偿方案，并利用四元数局部正则化邻域嵌入方法来减少LR空间和HR空间之间的不一致性。本发明提出一种基于深度残差表示的彩色人脸图像超分辨率方法，目的是建立一种将深度CNN和传统机器学习相结合的人脸超分辨方法，通过对彩色图像的整体联合考虑，面对较大的放大因子时能够实现更好的人脸重建效果，减少颜色的偏移。
-
公开(公告)号：CN115588135A
公开(公告)日：2023-01-10
申请号：CN202211174257.X
申请日：2022-09-26
Applicant: 湖南大学
Abstract: 本发明公开了一种无监督非训练高光谱图像变化检测方法，所述无监督非训练高光谱图像变化检测方法基于深度学习技术，包括多扩张特征提取模块，可变形特征提取模块和深度特征比较模块。本发明一种无监督非训练高光谱图像变化检测方法，针对高光谱图像空间分辨率相对较低的特点，以及缺乏标记样本的问题，将非训练的可变形网络应用到高光谱图像变化检测技术中，充分利用地物形状和大小等结构信息实现高精度的完全无监督变化检测。其中，设计的多扩张特征提取和可变形特征提取组合模块，使网络能够在更大的感受野和任意相邻位置提取局部特征，对于提升变化检测性能有益，并且能够容易地嵌入到其它技术中；根据特征重要性提出的一种简单有效改善特征选择的方案，通过强调重要特征的贡献提高网络模型精度以及在不同场景上的适应性。
-
公开(公告)号：CN115049939A
公开(公告)日：2022-09-13
申请号：CN202210389967.8
申请日：2022-04-14
Applicant: 湖南大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明公开了基于时间距离引导的卷积神经网络无监督变化检测方法，基于时间距离引导的卷积神经网络无监督变化检测方法步骤如下：步骤一：自动生成训练样本：步骤二：挖掘卫星时间序列中的时间信息：步骤三：抑制变化、不变和难、易样本不平衡对检测结果的影响，通过焦点加权交叉熵损失函数，降低容易检测的不变化样本的权重，本发明基于时间距离引导的卷积神经网络无监督变化检测方法，提出了一种基于时间距离引导的卷积循环网络，充分考虑不规则的时间距离信息对于抑制由年内和年际动态引起的伪变化的影响，有效提高变化检测准确率；另外还提出了加权预变化检测模型实现无监督的预检测，来自动确定训练样本，大大减少了人工标注所需的时间。
-
公开(公告)号：CN118447395A
公开(公告)日：2024-08-06
申请号：CN202410511932.6
申请日：2024-04-26
Applicant: 湖南大学
IPC: G06V20/10 , G06V10/82 , G06V10/80 , G06V10/77 , G06V10/54 , G06V10/58 , G06V10/42 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种基于图卷积的小样本高光谱遥感图像变化检测方法，将图像输入双分支多尺度动态GCN子网络，通过聚合图节点，动态地提取不同尺度高光谱图像中的全局特征；将获得的双时相多尺度特征输入差分增强特征融合模块，通过融合光谱‑空间增强信息和差分信息来促进对于高光谱图像中细节信息和纹理信息的定位；将上一步得到的融合信息输入多尺度上下文信息注意力重建模块，增强多级差分特征的表达能力，以减小不同尺度特征之间的语义鸿沟；利用一个GCN网络作用于得到的重建特征，并通过Softmax函数获得最后的变化检测结果；即使面向少量的高光谱遥感图像标记样本时，也能发挥出强大的特征提取能力，提高了高光谱遥感图像变化检测精度。
-
Patent Agency Ranking
公开(公告)号：CN118134764A
公开(公告)日：2024-06-04
申请号：CN202410334824.6
申请日：2024-03-22
Applicant: 湖南大学
IPC: G06T3/4053 , G06T3/4046 , G06T5/50 , G06T5/60 , G06T3/4038 , G06V10/44 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 一种基于统一网络的高光谱图像融合方法，包括：1、制作数据集；2、构建统一网络；3、将低分辨率高光谱图像经过两种不同倍数采样操作后，分别与中分辨率多光谱图像和高分辨率全色图像拼接，再通过卷积层提取得到第一初步融合特征、第二初步融合特征；4、将两个初步融合特征分别输入到两个子网络中，得到第一重建高光谱图像、第二重建高光谱图像；然后将两张重建高光谱图像输入到融合网络中，得到第三重建高光谱图像；5、对统一网络迭代训练；6、将训练后的统一网络用于高光谱图像重建。本发明可在多光谱图像、高光谱图像与全色图像、高光谱图像与多光谱图像、全色图像与高光谱图像三种输入条件下可实现高光谱图像融合，提升了模型的实用性。
-
公开(公告)号：CN117260240B
公开(公告)日：2024-03-19
申请号：CN202311536248.5
申请日：2023-11-17
Applicant: 湖南大学
Abstract: 本发明公开了一种车辆桥架辅助安装装置，包括中间支撑组件，中间支撑组件包括固定连接在车架上的中间支撑壳体，中间支撑壳体上转动连接有中间套，中间套上套装有传动盘、传动套、上中心齿轮和下中心齿轮，中间套能分别和传动盘、上中心齿轮传动连接，传动盘能转动或上下移动；传动盘向下移动时，传动盘和下中心齿轮连接；传动盘向上移动离开下中心齿轮时，传动盘和传动套连接，传动套上连接有能升降的中间支撑板；两组分别设置在中间支撑组件左右两端的侧支撑组件，侧支撑组件包括固定在车架上侧的侧支撑壳体，侧支撑壳体的上方连接有能升降的侧支撑板，下中心齿轮和上中心齿轮分别与两个侧支撑板传动连接；本发明能实现多个位置不同高度的支撑。
-
公开(公告)号：CN117260240A
公开(公告)日：2023-12-22
申请号：CN202311536248.5
申请日：2023-11-17
Applicant: 湖南大学
Abstract: 本发明公开了一种车辆桥架辅助安装装置，包括中间支撑组件，中间支撑组件包括固定连接在车架上的中间支撑壳体，中间支撑壳体上转动连接有中间套，中间套上套装有传动盘、传动套、上中心齿轮和下中心齿轮，中间套能分别和传动盘、上中心齿轮传动连接，传动盘能转动或上下移动；传动盘向下移动时，传动盘和下中心齿轮连接；传动盘向上移动离开下中心齿轮时，传动盘和传动套连接，传动套上连接有能升降的中间支撑板；两组分别设置在中间支撑组件左右两端的侧支撑组件，侧支撑组件包括固定在车架上侧的侧支撑壳体，侧支撑壳体的上方连接有能升降的侧支撑板，下中心齿轮和上中心齿轮分别与两个侧支撑板传动连接；本发明能实现多个位置不同高度的支撑。
-
公开(公告)号：CN115841435A
公开(公告)日：2023-03-24
申请号：CN202310163553.8
申请日：2023-02-24
Applicant: 湖南大学
Abstract: 本发明公开了基于排序域方向梯度直方图约束的遥感影像去条带方法，对单波段含条带噪声遥感图像分别按列和行进行像素值大小排序，得到含条带的列排序图、含条带的行排序图和相应的位置索引图；以含条带的行排序图在竖直方向上的梯度绝对值直方图作为参考，通过直方图统计信息，估算无条带干扰下列排序水平梯度图，并构建方向梯度直方图约束项；结合去条带单向变分约束项、方向梯度直方图约束项和数据保真项，构建排序域中的去条带变分模型；通过交替迭代更新算法，获得最优的列排序域下的目标图像，最后逆排序变换得到空间域下去完条带的遥感图像。能解决现有技术在去除条带噪声时损失细节信息的技术问题，具有较强的鲁棒性、快速性和普适性。
-
公开(公告)号：CN113449788A
公开(公告)日：2021-09-28
申请号：CN202110705506.2
申请日：2021-06-24
Applicant: 湖南大学
Abstract: 本发明公开了一种可见光、近红外遥感影像云检测方法，涉及图像处理技术领域，包括如下步骤：选取可见光、近红外影像的反射率、光谱指数、纹理和结构特征，以对云的特征进行数学表征；结合影像的暗通道反射率、归一化植被指数和白度指数，提出了一种训练样本自动提取算法，使用白度指数作为细节信息提取数据源，精确提取云和非云训练样本；基于样本及其特征描述，采用支持向量机分类对可见光、近红外遥感影像进行初分类；在支持向量机分类基础上进行导向滤波、孔洞填充和几何判断后处理，以获取最终的云检测结果。本发明提出的算法过程无须人工标注样本，无须大量的先验知识，降低了使用门槛，提高了实用性。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.03 seconds)
