-
公开(公告)号：CN111369601A
公开(公告)日：2020-07-03
申请号：CN202010089370.2
申请日：2020-02-12
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于孪生网络的遥感图像配准方法，基于孪生卷积神经网络在深度特征空间上对关键点进行相似度匹配，并融合传统手工特征点，将其应用到遥感图像配准领域，弥补了传统的特征点在特征空间表示能力的不足，提高了配准精度和配准的鲁棒性，算法简单，执行效率高。
-
公开(公告)号：CN109767454A
公开(公告)日：2019-05-17
申请号：CN201811552410.1
申请日：2018-12-18
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于时-空-频显著性的无人机航拍视频运动目标检测方法，利用Lucas-Kanade光流法提取视频的时间显著性，利用颜色分布进行提取图像的空间显著性，将图像从空域转换到频域，利用谱残差法提取图像的频域显著性，将时间、空间、频域显著性进行线性加权融合得到一个显著性置信图，通过设置阈值将显著性置信图二值化，从航拍视频中提取运动目标。将时域、空域、频域显著性融合起来，利用其余两个域的显著性弥补各自域的不足，提高了检测精度和检测的鲁棒性，算法简单，执行效率高。
-
公开(公告)号：CN111369601B
公开(公告)日：2023-04-07
申请号：CN202010089370.2
申请日：2020-02-12
Applicant: 西北工业大学
IPC: G06T7/33 , G06T3/00 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于孪生网络的遥感图像配准方法，基于孪生卷积神经网络在深度特征空间上对关键点进行相似度匹配，并融合传统手工特征点，将其应用到遥感图像配准领域，弥补了传统的特征点在特征空间表示能力的不足，提高了配准精度和配准的鲁棒性，算法简单，执行效率高。
-
公开(公告)号：CN109753996B
公开(公告)日：2022-05-10
申请号：CN201811542534.1
申请日：2018-12-17
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62
Abstract: 本发明提出的一种基于三维轻量化深度网络的高光谱图像分类方法，通过构建三位轻量化深度网络，实现了有限样本条件下，高光谱图像深度特征的自主提取，高精度的分类。本发明与现有的基于深度学习的高光谱图像分类方法相比，网络模型更深，精度更高，且参数量更少。
-
公开(公告)号：CN110930315B
公开(公告)日：2022-02-11
申请号：CN201911009926.6
申请日：2019-10-23
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明分为模型训练和多光谱图像全色锐化两个部分，在模型训练阶段，首先将原始清晰多光谱和全色图像降采样，得到模拟训练图像对；其次利用双通路卷积网络提取并融合全色图像和多光谱图像的特征，并结合层次CLSTM实现多层次、不同深度卷积特征之间的融合；然后使用反卷积网络从融合的特征中重建出高空间分辨率的多光谱图像；最后利用Adam算法调整模型的参数；在多光谱图像全色锐化阶段，首先利用训练好的双通路卷积网络和层次CLSTM提取并融合全色和多光谱图像的特征。卷积网络负责提取多光谱图像和全色图像的特征并融合自身和CLSTM选择的特征，CLSTM在多层次选择记忆不同深度的不同深度特征，从而实现多层次和不同深度特征的融合。
-
Patent Agency Ranking
公开(公告)号：CN110930315A
公开(公告)日：2020-03-27
申请号：CN201911009926.6
申请日：2019-10-23
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明分为模型训练和多光谱图像全色锐化两个部分，在模型训练阶段，首先将原始清晰多光谱和全色图像降采样，得到模拟训练图像对；其次利用双通路卷积网络提取并融合全色图像和多光谱图像的特征，并结合层次CLSTM实现多层次、不同深度卷积特征之间的融合；然后使用反卷积网络从融合的特征中重建出高空间分辨率的多光谱图像；最后利用Adam算法调整模型的参数；在多光谱图像全色锐化阶段，首先利用训练好的双通路卷积网络和层次CLSTM提取并融合全色和多光谱图像的特征。卷积网络负责提取多光谱图像和全色图像的特征并融合自身和CLSTM选择的特征，CLSTM在多层次选择记忆不同深度的不同深度特征，从而实现多层次和不同深度特征的融合。
-
公开(公告)号：CN107590782B
公开(公告)日：2020-05-12
申请号：CN201710716475.4
申请日：2017-08-21
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于全卷积网络的高分辨率光学遥感图像厚云去除方法，通过全卷积网络的参数训练，完成了异源遥感数据之间映射函数的自主构建，在两种不同的异源遥感数据之间实现了优势互补，不仅可以通过同一幅高分辨遥感图像中的无云区域对含云区域的信息进行估计，对于同一组数据源其他时刻所获得的数据同样具有较好的去云效果。实验结果表明，本发明与现有的基于多源数据的光学遥感图像去云方法相比能够更加准确地恢复云区信息。
-
-
公开(公告)号：CN109584271A
公开(公告)日：2019-04-05
申请号：CN201811356271.5
申请日：2018-11-15
Applicant: 西北工业大学
IPC: G06T7/246
Abstract: 本发明涉及一种基于高置信度更新策略的高速相关滤波跟踪方法，分别设计了目标定位模块和高置信度更新模块。跟踪过程中，目标定位模块通过融合灰度、方向梯度直方图和颜色空间特征，并结合特征降维方法训练相关滤波器，基于相关滤波算法实现对目标中心的快速定位；高置信度更新模块利用目标定位模块得到的响应图设计了一种高置信度更新策略，即计算响应图的最高响应值和平均峰值相关能量(Average Peak-to-Correlation Energy,APCE)两个指标值，当两个指标值同时满足条件时才进行尺度估计和模型更新，从而避免了在低置信度情况下进行冗余的尺度估计操作和可能引入噪声并导致跟踪漂移的滤波器模型更新操作，以适应背景繁杂、遮挡等复杂场景。
-
公开(公告)号：CN107590782A
公开(公告)日：2018-01-16
申请号：CN201710716475.4
申请日：2017-08-21
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于全卷积网络的高分辨率光学遥感图像厚云去除方法，通过全卷积网络的参数训练，完成了异源遥感数据之间映射函数的自主构建，在两种不同的异源遥感数据之间实现了优势互补，不仅可以通过同一幅高分辨遥感图像中的无云区域对含云区域的信息进行估计，对于同一组数据源其他时刻所获得的数据同样具有较好的去云效果。实验结果表明，本发明与现有的基于多源数据的光学遥感图像去云方法相比能够更加准确地恢复云区信息。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.016 seconds)
