-
公开(公告)号：CN116228819B
公开(公告)日：2023-08-08
申请号：CN202310466175.0
申请日：2023-04-27
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种红外运动目标检测方法及装置，涉及红外目标检测及图像处理领域，方法包括：从待检测的红外图像中提取红外梯度特征图像、红外二阶导数特征图像和红外三阶导数特征图像；构建不同尺度的平滑滤波器；采用不同尺度的平滑滤波器对红外梯度特征图像、红外二阶导数特征图像和红外三阶导数特征图像分别进行滤波，得到分别对应的第一显著性特征图像、第二显著性特征图像和第三显著性特征图像；将三种显著性特征图像融合，得到融合特征图像；根据对应于红外图像序列中多个待检测的红外图像的融合特征图像，确定红外运动目标的检测结果。该方法及装置解决了现有方法中目标与背景难以区分、单一特征描述不充分、虚警干扰高及时效性慢等问题。
-
公开(公告)号：CN115082810A
公开(公告)日：2022-09-20
申请号：CN202210895594.1
申请日：2022-07-28
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种同步轨道卫星红外图像的船舶检测方法、装置、设备及介质，涉及目标检测技术领域，方法包括：利用三维小波变换，在空域和时域上对同步轨道卫星红外图像进行多尺度分解，得到多张小波系数图；对小波系数图包含的低频信息或高频信息进行处理，消除静态背景或抑制强边缘干扰或增强船舶或抑制与船舶相比变化慢的背景；对处理后的小波系数图进行重建，得到重建红外图像；对重建红外图像进行二值分割，并基于二值分割的结果对非船舶区域进行抑制，检测包含船舶的区域。该方法解决了现有方法对时域信息利用不充分以及同步轨道卫星红外影像中船舶无明显特征的问题，避免了对专业经验要求的依赖以及机器学习类方法对样本数量的需求。
-
公开(公告)号：CN114782789A
公开(公告)日：2022-07-22
申请号：CN202210150629.9
申请日：2022-02-14
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明公开了一种基于空时张量的红外场景时敏弱小目标检测方法及装置，能够解决复杂且不满足低秩假设的场景中的时敏红外弱小目标检测问题的技术问题。该方法包括：构建用于求解红外图像的低秩背景成分信息与稀疏目标成分信息的第一问题模型；基于红外图像的角点信息及边缘信息，确定红外图像的先验权重，将所述第一问题模型转换为第二问题模型；采用时空局部取样的方式构建低秩稀疏矩阵，得到所述原始红外图像对应于第二问题模型的张量；将待处理的红外图像的张量代入所述第二问题模型，分离出待处理的红外图像的低秩矩阵信息代表的背景成分与稀疏成分信息代表的目标成分；将所述目标成分作为目标图像，将所述目标图像进行处理，得到检测结果。
-
公开(公告)号：CN113962889A
公开(公告)日：2022-01-21
申请号：CN202111230111.8
申请日：2021-10-21
Applicant: 中国科学院空天信息创新研究院
Abstract: 本公开提供一种遥感图像的薄云去除方法，包括：获取遥感图像数据集，对遥感图像数据集进行处理，得到训练集与测试集；将通道注意力机制与残差机制进行融合，构建残差通道注意力块，将多个残差通道注意力块串联，得到残差组，其中，残差通道注意力块的输入端与输出端残差连接，残差组的输入端与输出端残差连接；根据残差组构建残差通道注意力网络，其中，残差通道注意力网络的编码端及解码端由多个残差组构成对称级联的网络结构；将训练集输入残差通道注意力网络进行训练，以使残差通道注意力网络对遥感图像中的各个特征进行学习，得到训练好的残差通道注意力网络；将测试集输入训练好的残差通道注意力网络，以去除测试集包含的遥感图像中的薄云。
-
公开(公告)号：CN116704372B
公开(公告)日：2024-12-10
申请号：CN202310744170.X
申请日：2023-06-21
Applicant: 中国科学院空天信息创新研究院
IPC: G06V20/13 , G06V10/75 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种船舶精细化识别方法及装置，涉及图像识别技术领域，用于解决现有检测方法难以精细化识别船舶轮廓的问题。方法包括：将待检测遥感图像输入训练好的识别模型，得到船舶目标检测框和船舶的多个部件对应的像素的坐标，其中，多个部件包括主炮，垂直发射系统，烟囱和飞行甲板；对船舶的多个部件对应的像素的坐标进行加权拟合，得到与船舶对应的中心直线；以中心直线确定的目标方向与垂直方向夹角值为方向角，对船舶目标检测框进行姿态调整至垂直方向；将姿态调整后的船舶目标检测框与模板库中的模板图像进行匹配，得到船舶的型号和精细化轮廓。
-
Patent Agency Ranking
公开(公告)号：CN117872370A
公开(公告)日：2024-04-12
申请号：CN202410067311.3
申请日：2024-01-17
Applicant: 中国科学院空天信息创新研究院
IPC: G01S13/90 , G06V20/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08 , G01S7/41
Abstract: 本发明提供了一种基于合成孔径雷达的散焦目标检测方法及装置，涉及遥感图像目标检测技术领域，用以解决现有技术无法自动检测并标明合成孔径雷达影像散焦目标的技术问题。该方法包括：将合成孔径雷达影像数据输入预先训练好的深度卷积神经网络检测模型，标记出候选目标；基于散焦目标和清晰目标，分别从合成孔径雷达影像数据中裁剪出与散焦目标和清晰目标各自对应的第一原始切片数据；对散焦目标对应的第一原始切片数据进行自聚焦处理，得到自聚焦后的第二原始切片数据；计算第一原始切片数据的目标结构特性熵值和第二原始切片数据的目标结构特性熵值之间的差值；在差值的绝对值小于等于目标结构特性熵值阈值的情况下，确定候选目标为散焦目标。
-
公开(公告)号：CN116228819A
公开(公告)日：2023-06-06
申请号：CN202310466175.0
申请日：2023-04-27
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种红外运动目标检测方法及装置，涉及红外目标检测及图像处理领域，方法包括：从待检测的红外图像中提取红外梯度特征图像、红外二阶导数特征图像和红外三阶导数特征图像；构建不同尺度的平滑滤波器；采用不同尺度的平滑滤波器对红外梯度特征图像、红外二阶导数特征图像和红外三阶导数特征图像分别进行滤波，得到分别对应的第一显著性特征图像、第二显著性特征图像和第三显著性特征图像；将三种显著性特征图像融合，得到融合特征图像；根据对应于红外图像序列中多个待检测的红外图像的融合特征图像，确定红外运动目标的检测结果。该方法及装置解决了现有方法中目标与背景难以区分、单一特征描述不充分、虚警干扰高及时效性慢等问题。
-
公开(公告)号：CN115690524B
公开(公告)日：2023-03-21
申请号：CN202310009569.3
申请日：2023-01-05
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/771 , G06V10/774 , G06V20/64
Abstract: 本发明提供一种语义信息指导的点云目标检测正样本筛选方法，涉及深度学习和三维目标检测技术领域。该方法包括：针对三维空间目标，获取待检测的可见光图像和三维点云数据；对可见光图像进行语义分割，使每一个像素点携带有语义信息；建立可见光图像的像素点与三维点云数据的点的对应关系，根据对应关系对三维点云数据进行扩充，形成扩充后的三维点云数据；根据预设候选框与真值框的语义交并比，从扩充后的三维点云数据筛选正样本和负样本；将正样本和负样本输入预设的点云检测网络进行训练，得到训练好的点云检测网络；将扩充后的三维点云数据输入训练好的点云检测网络，获得三维空间目标的检测结果。
-
公开(公告)号：CN115019187B
公开(公告)日：2022-11-22
申请号：CN202210948102.0
申请日：2022-08-09
Applicant: 中国科学院空天信息创新研究院
Abstract: 本发明提供一种针对SAR图像远海船舶目标的检测方法、装置、设备及介质，涉及遥感图像目标检测技术领域，该方法包括：计算SAR图像像素点的幅度分割阈值；根据幅度分割阈值对SAR图像进行分割，提取SAR图像中的目标像素点，得到中间图像；将中间图像转化为包含背景与目标像素点的二值图像；对二值图像进行连通域检测，基于连通域检测结果从SAR图像获取包含船舶目标的候选区域图像；计算量化拉伸的极大值和极小值；根据两个极值对候选区域图像进行量化；将量化后的候选区域图像输入深度卷积神经网络进行目标检测，得到船舶目标对应的检测框位置和置信度。该方法解决了现有检测方法特征调参难度较大、计算量大及资源受限的技术问题。
-
公开(公告)号：CN114943879B
公开(公告)日：2022-10-04
申请号：CN202210860624.5
申请日：2022-07-22
Applicant: 中国科学院空天信息创新研究院
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V20/10 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明提供一种基于域适应半监督学习的SAR目标识别方法，涉及SAR目标识别技术领域，用以解决无标记样本对初始模型的继续优化的作用较为有限、模型的准确度不高的技术问题。该方法将无标记样本做强弱两种方式的增强，将更具有多样性、识别难度更大的强增强样本用于模型的训练，并将强增强样本所对应弱增强样本的伪标签作为其伪标签以保证伪标签的正确性，通过对强弱增强样本的使用使得模型能够得到更加有效的训练；通过构建域适应损失减少标记和无标记样本间的域差异，有效地减少了错误伪标签的数量；通过在无标记样本的分类损失中加入Top‑k损失降低错误伪标签对模型训练的影响。由此，本发明可有效增强SAR目标识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.034 seconds)
