-
公开(公告)号：CN113642456A
公开(公告)日：2021-11-12
申请号：CN202110921430.7
申请日：2021-08-11
Applicant: 福州大学
Abstract: 本发明涉及一种基于拼图引导的深度特征融合的高分辨率遥感图像场景分类方法，首先对原始图像生成一个拼图，将拼图送入网络模型的浅层卷积块进行浅层特征的学习，然后将原始图像送入完整的网络模型学习深度全局语义特征，最后将浅层卷积块的输出特征和完整网络的最后一层卷积块的输出特征进行融合，进行分类。本发明的策略能引导网络更加关注模型浅层特征的学习，融合后的特征包含更为丰富的场景信息，增加了目标的可区分性，相比已有方法，该发明方法能够有效提高分类精度，同时提高模型的泛化能力。
-
公开(公告)号：CN112199460A
公开(公告)日：2021-01-08
申请号：CN202011255234.2
申请日：2020-11-11
Applicant: 福州大学
Abstract: 本发明实施例提供一种矢量地图狭长弧段识别方法，所述方法包括：通过获取矢量地图中的多边形，得到多边形顶点列表；并生成多边形顶点的边界约束三角网，通过边界约束三角网得到骨架线节点以及关联多边形顶点；然后进行连线分割多边形，得到分割后的端点子多边形和分支骨架线；判断端点子多边形的凹凸性得到顶点的凹凸性标记列表；并通过骨架线节点和端点子多边形凹点获取分割线列表；从分割线列表中选出满足预设的加权基高比的标准分割线加入狭长弧段候选集；通过紧致度标准从狭长弧段候选集选取分割线作为终选结果，并写入线要素图层。采用本方法能够直接得到矢量地图中的狭长弧段，方便相关工作人员针对狭长弧段进行对应处理。
-
公开(公告)号：CN120014353A
公开(公告)日：2025-05-16
申请号：CN202510103041.1
申请日：2025-01-22
Applicant: 福州大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/77 , G06V20/10 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种面向国产卫星高光谱数据的基于空间邻域的多尺度光谱特征融合的分类方法，具体操作步骤如下：首先，针对已处理的卫星数据在空间维度实施切块处理，选取中心像素的标签作为对应图像块的真实标签。输入数据会先经由多尺度光谱特征提取模块。把提取得到的光谱特征传输至空间领域信息融合模块，在此模块对空间邻域信息和光谱信息展开进一步的提取和融合。将融合后的特征输入分类头，进而得到分类结果。本发明在卫星高光谱数据上取得初步成效。该方法能有效削减卫星因低空间分辨率而导致的光谱混杂和空间误差问题所产生的不良影响，切实有效地提高像素级分类的精度水平，为国产高光谱卫星数据分类提供了一种高效、精准的解决方案。
-
公开(公告)号：CN117079121B
公开(公告)日：2025-05-16
申请号：CN202310620502.3
申请日：2023-05-30
Applicant: 福州大学
IPC: G06V20/10 , G06V10/774 , G06V10/26 , G06V10/40
Abstract: 本发明涉及一种基于自适应编码和两阶段训练的遥感影像建筑物提取方法。通过自适应二进制磁盘编码和两阶段训练策略将深度学习与基于点击的交互式建筑物提取结合，提高了交互式建筑物提取的精度和鲁棒性。自适应二进制磁盘编码改进磁盘编码固定半径带来的交互特征信息不足问题；通过两阶段训练引导模型更多关注交互点击区域的引导特征。相比已有方法，该发明能捕获更有引导性的交互特征，大幅减少建筑物交互点击的次数的条件下获得相同的分割精度。
-
公开(公告)号：CN119992269A
公开(公告)日：2025-05-13
申请号：CN202510067194.5
申请日：2025-01-16
Applicant: 福州大学
IPC: G06V10/80 , G06V10/764 , G06V10/20 , G06V10/40 , G06V20/10
Abstract: 本发明提出一种基于Mamba结构的高光谱和LiDAR数据自适应融合协同分类方法。首先，利用双分支深度特性提取架构提取HSI数据的空间‑光谱联合特征以及LiDAR数据的高程语义信息。随后，通过空间上下文标记器进行特征聚合并优化空间表示。在特征融合阶段，通过基于Mamba结构的双通道协同注意力模块DCCAM来捕获全局依赖关系，同时利用参数共享确保异构特征的一致性，最后通过自适应融合模块AF有效地整合了多源特征，增强了信息的联合表示。相比已有的多模态遥感图像分类算法，本发明方法能够实现更高的分类精度并显著提升计算效率。
-
Patent Agency Ranking
公开(公告)号：CN112199460B
公开(公告)日：2022-05-06
申请号：CN202011255234.2
申请日：2020-11-11
Applicant: 福州大学
Abstract: 本发明实施例提供一种矢量地图狭长弧段识别方法，所述方法包括：通过获取矢量地图中的多边形，得到多边形顶点列表；并生成多边形顶点的边界约束三角网，通过边界约束三角网得到骨架线节点以及关联多边形顶点；然后进行连线分割多边形，得到分割后的端点子多边形和分支骨架线；判断端点子多边形的凹凸性得到顶点的凹凸性标记列表；并通过骨架线节点和端点子多边形凹点获取分割线列表；从分割线列表中选出满足预设的加权基高比的标准分割线加入狭长弧段候选集；通过紧致度标准从狭长弧段候选集选取分割线作为终选结果，并写入线要素图层。采用本方法能够直接得到矢量地图中的狭长弧段，方便相关工作人员针对狭长弧段进行对应处理。
-
公开(公告)号：CN113255676A
公开(公告)日：2021-08-13
申请号：CN202110556336.6
申请日：2021-05-21
Applicant: 福州大学
Abstract: 本发明提出一种基于多源数据融合的高分遥感影像语义分割模型及方法，其特征在于：基于编码器‑解码器结构，通过并行的双分支孪生网络完成特征提取，使用空间通道注意力模块用于增强模块之间的关系，并使用Dupsampling进行上采样恢复特征。在ISPRS数据集上对提出的模型进行了评估。实验结果表明，MSDFM的性能优于大多数其他相关模型。特别是对于小目标可以有很好的分辨效果，在Vaihingen数据集中对于车辆的识别精度达到93.63%，达到当前最佳的效果。
-
公开(公告)号：CN116363118B
公开(公告)日：2025-05-09
申请号：CN202310414902.9
申请日：2023-04-18
Applicant: 福州大学
IPC: G06T7/00 , G06T7/10 , G06V10/764 , G06V10/774 , G06V10/82 , G06T5/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了基于伪标签与深度特征交叉引导的睑板腺体图像分割方法，包括以下步骤：步骤S1：数据集处理；即对睑板腺体图像数据集进行划分和预处理，该数据集包含有标签数据和无标签数据；步骤S2：伪标签交叉引导；步骤S3：深度特征交叉引导；在分割网络的编码器深层设置一个辅助分支模块，对模型编码器深层的输出进行降维；编码器的浅层卷积进行监督约束，使两个模型的编码器部分进行深度特征交叉引导；应用本技术方案能够训练网络关注图像的边缘信息和语义信息，获取更为全面的特征描述，减少模型对标注数据量的依赖，最终获得更好的分割结果。
-
公开(公告)号：CN119379655A
公开(公告)日：2025-01-28
申请号：CN202411527213.X
申请日：2024-10-30
Applicant: 福州大学
IPC: G06T7/00 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06N3/048 , G06N3/047 , G06T7/10 , G06T7/12 , G06T7/136 , G06T7/11
Abstract: 本发明提出一种基于涂鸦模拟的交互式红外睑板腺图像分割方法；该方法设计了一种新型的多任务网络架构，接收多种交互信息（点击和涂鸦）作为输入，实现腺体分割，并预测其假阳性和假阴性区域用于指导模型进行涂鸦模拟。该方法采用二阶段网络训练策略，结合不确定性区域简化掩码以提高错误区域预测的准确性。对于每轮用户交互，该方法分两个阶段执行预测。第一阶段，网络基于用户点击输出粗略分割掩码及对应的假阳性和假阴性预测区域；第二阶段，模型基于这两个错误区域根据伪涂鸦生成策略模拟涂鸦以细化第一阶段输出的粗略分割掩码。对比现有方法，本方法能同时兼顾涂鸦的高效性和用户交互的简便性，进一步降低用户劳动成本。
-
公开(公告)号：CN118710905A
公开(公告)日：2024-09-27
申请号：CN202410841491.6
申请日：2024-06-27
Applicant: 福州大学
Abstract: 本发明涉及双模态融合与校正的遥感图像语义分割方法。首先多源高分光学图像和nDSM图像组成的样本对分别输入到网络的对应两个分支。模型的双分支结构对两个模态进行四个阶段的特征提取和通道与空间融合校正，产生阶段性增强特征与阶段性融合特征。第一个阶段的特征提取结果还用于模态互补边界的提取，以得到多尺度边界特征。多尺度边界特征和不同尺度的阶段性融合特征用于逐步的融合与上采样，以得到最终的语义分割结果与边界分割结果。本发明的模型能根据模态差异处理光学图像与nDSM数据，充分利用多模态互补信息实现特征校正与融合，细化边界，强化多尺度特征，有效缓解了高分遥感图像的语义分割任务中光谱混淆和类内差异大、类间差异小的问题。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.018 seconds)
