-
公开(公告)号：CN115641507B
公开(公告)日：2024-11-05
申请号：CN202211387533.0
申请日：2022-11-07
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于自适应多层级融合的遥感图像小尺度面目标检测方法，所述方法包括如下步骤：步骤1：使用主干特征提取网络提取输入图像的浅层和深层的多层级特征图，下采样层级分别为4、8、16、32倍；步骤2：使用自适应融合权重的多层次特征提取架构实现对步骤1中不同下采样级数特征的融合；步骤3：选用融合后的下采样级数为4倍和8倍的高分辨率特征层进行目标位置和类别信息的预测，得到最终的检测结果。该方法能够实现对不同层级中语义和结构信息的有效融合，提高网络对小尺度目标的特征提取和检测定位能力，有效减少场景中虚警源对目标检测的干扰，从而实现遥感图像小尺度目标的高检测率、低虚警率的检测。
-
公开(公告)号：CN117745777B
公开(公告)日：2024-07-16
申请号：CN202410019506.0
申请日：2024-01-05
Applicant: 哈尔滨工业大学
IPC: G06F7/544
Abstract: 一种基于时空配准的遥感检测地表密集异常元去除方法，所述方法包括如下步骤：步骤1：提取卫星姿态轨道数据，拟合相机成像模型，构建像面坐标到地心地固坐标系的配准模型；步骤2：基于地表异常元能量、形态等特性，构建杂波点特征向量；步骤3：基于步骤1得到的配准数据，以步骤2构建的杂波特征作为先验信息，对检测得到的所有检出结果进行匹配筛选，对地表异常元进行标定和去除。该方法可以实现对地表密集异常元在不同场景、不同分辨率、不同轨道高度下的实时标定及更新，获取更准确的有利于后续目标检测跟踪等应用的目标特性。
-
公开(公告)号：CN117557857B
公开(公告)日：2024-06-04
申请号：CN202311574622.0
申请日：2023-11-23
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/096
Abstract: 本发明公开了一种结合渐进式引导蒸馏和结构重构的检测网络轻量化方法，所述方法把MobileNet v3Block中的SE注意力机制替换为CBAM注意力机制，从空间和通道两个方面提升特征显著性，然后将目标检测网络中的卷积模块替换为改进后的MobileNet v3Block模块；再通过基于批归一化的剪枝方剔除重要性低的冗余通道，以进一步提升模型的轻量程度。本发明将渐进式引导蒸馏从图像分类任务扩展到目标检测任务，改进基于主干特征映射的知识蒸馏方法，通过教师网络提供先验知识，使用教师网络的中间表示特征作为提示辅助训练，以助教网络作为媒介平衡学生网络的检测精度和速度。
-
公开(公告)号：CN117689879A
公开(公告)日：2024-03-12
申请号：CN202410019504.1
申请日：2024-01-05
Applicant: 哈尔滨工业大学
Abstract: 一种天基巡天望远镜图像中的空间目标检测方法，所述方法包括如下步骤：步骤1：对大视场深空图像非均匀性特性进行校正；步骤2：基于星图预匹配与最大相关相结合进行图像配准；步骤3：利用三帧中值对图像背景进行估计；步骤4：设计合理的分割阈值，在对低信噪比目标提取时，引入线性结构因子的形态学去噪算法去除剩余恒星残留和离散分布的噪点，最终对步骤3中结果进行连通域提取得到疑似目标。该方法在对恒星残留的去除上有良好的效果，并在一定的恒星密集程度时可以达到对信噪比3以上的目标极高的检测率，为地月拉格朗日点观测图像目标提取提供理论和技术支撑。
-
公开(公告)号：CN115937700B
公开(公告)日：2024-11-22
申请号：CN202211407154.3
申请日：2022-11-10
Applicant: 哈尔滨工业大学
IPC: G06V20/13 , G06N3/0464 , G06N3/08 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 一种多源协同的动目标在线检测识别方法，属于光学图像处理技术领域。方法如下：在红外通道进行动目标在线检测与定位；计算可见光图像中相应目标坐标位置，并截取局部目标切片；在可见光局部目标切片图像中提取目标关键轮廓与细节特征信息，进行动目标分类与识别。本发明在大视场红外通道中实现目标可快速发现与定位，通过坐标变换引导截取可见光通道中目标局部切片图像，能够实现目标的在线快速分类与识别，有效支撑动目标信息的快速完整掌控；提升了目标检测准确率，降低错检率；解决了广域观测条件下目标极度稀疏、目标背景严重失衡导致的分类识别能力差的问题，还避免了全景图像海量数据处理难题，有效降低硬件资源需求与成本。
-
Patent Agency Ranking
公开(公告)号：CN118155085A
公开(公告)日：2024-06-07
申请号：CN202410135271.1
申请日：2024-01-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种密集空中目标跟踪方法、系统、装置及介质，属于目标探测与识别技术领域，包括：利用多个不同卫星平台获取密集空中目标的多个探测图像；利用聚类算法将探测图像中属于目标的像素点聚类，将不同的目标的像素点标注不同的数值；得到最终的聚类结果图像；使用Zernike矩算子对最终的聚类结果图像进行亚像素边缘提取，得到各个目标的边缘包络线；并提取边缘包络线内的目标中心的位置；通过目标中心的位置和用于观测目标的各卫星与目标的相对位置信息，对不同卫星平台视场内的相同目标进行匹配；利用目标中心的位置得到目标的视线向量数据；根据不同卫星观测到的同一个目标的视线向量数据，计算该目标的位置和速度数据，实现多目标情况下每一个目标的跟踪。该方法能够识别密集空中目标。
-
公开(公告)号：CN117761713A
公开(公告)日：2024-03-26
申请号：CN202311795749.5
申请日：2023-12-25
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种目标探测谱段的筛选方法、装置、设备和存储介质，其涉及目标检测技术领域。包括：获取目标的背景起伏尺度，对背景起伏尺度进行杂波量化并建立杂波定量化表征模型；通过杂波定量化表征模型计算目标相对于不同背景的信杂比投影图，选取包括峰值信杂比谱段作为初选探测谱段；将杂波定量化表征模型与天基探测链路进行结合得到目标可检测性表征模型；通过目标可检测性表征模型在初选探测谱段中筛选得到优选探测谱段。本发明考虑了天基探测链路及其各环节多尺度耦合效应，能够解决天基目标可检测性能的多尺度耦合匹配所存在的问题,在保证谱段优选性能的前提下，极大地提升了优选探测谱段选择的效率。
-
公开(公告)号：CN114137005B
公开(公告)日：2023-07-21
申请号：CN202111486350.X
申请日：2021-12-07
Applicant: 哈尔滨工业大学
IPC: G01N23/20 , G01N23/207
Abstract: 本发明公开了一种分布式多模衍射成像方法，所述方法包括如下步骤：步骤一：根据应用需求设计分布式多模衍射成像系统，获取多视场、多谱段的时序图像；步骤二：对获取的多视场、多谱段的时序图像进行配准；步骤三：融合多视场、多谱段、多时相信息，实现超分辨率重建；步骤四：利用图像复原算法提升图像传递函数，去除非设计级次衍射光产生的背景辐射，得到高分辨率图像。本发明利用分布式排列的多个子衍射系统单独成像，且具有不同探测谱段，图像间存在亚像素偏移，获取多视场、多谱段、多时相图像数据后，通过融合、超分、复原算法最终获取高分辨率图像，具有高分辨率、轻量化、成本低等优势，为高分辨率光学卫星载荷跨越式发展提供了技术途径。
-
公开(公告)号：CN113446998B
公开(公告)日：2022-09-30
申请号：CN202110727401.7
申请日：2021-06-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于高光谱目标探测数据的动态解混方法，所述方法包括如下步骤：步骤1：提取高光谱目标探测数据中目标所在混合像元光谱数据，构建混合像元时序矩阵；步骤2：基于高光谱目标探测数据估计目标所在场景的光谱曲线；步骤3：基于步骤1筛选的谱段，以步骤2估计的场景光谱作为先验信息，对步骤1中获取的混合像元矩阵进行动态解混，得到真实的目标光谱。该方法可以实现对亚像元目标在不同场景下高光谱探测数据的光谱动态解混，获取更准确的有利于后续目标识别等应用的光谱特性。
-
公开(公告)号：CN119559499A
公开(公告)日：2025-03-04
申请号：CN202411593334.4
申请日：2024-11-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 基于多模型集成和渐进式预测的遥感图像目标检测识别方法，属于目标探测与识别技术领域。方法如下：将数据集分成训练集和验证集，将训练集训练得到输入数据；将输入数据输入网络中获得不同层级的特征图，将不同层级的特征图输入到网络上，得到模型A；将输入数据输入网络中得到高层次的特征图，将高层次的特征图输入到网络上，得到模型B；使用模型A和模型B构建多模型集成预测框架，输出目标检测识别结果。本发明在网络训练过程中充分结合了多样性训练增广策略以获取更为多样性的训练样本，提升模型泛化能力；相较于单一模型预测可提升mAP 10％以上，能够充分挖掘现有检测方法对于遥感目标检测识别的潜力。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
