-
公开(公告)号：CN116167955A
公开(公告)日：2023-05-26
申请号：CN202310162662.8
申请日：2023-02-24
Applicant: 苏州大学
Abstract: 本发明提供一种面向遥感领域的高光谱与激光雷达图像融合方法及系统，方法包括选取高光谱图像I与激光雷达图像L；根据I得到阴影掩膜M；对I与L进行形状变化和对数变换，得到高光谱图像和激光雷达图像基于和M构建权重矩阵；建立用于优化本征反射图像和本征照射图像的优化函数E，并对和进行初始化；计算优化函数E对和的偏导数，对和进行迭代更新，直至满足设定的停止条件停止更新；将最终得到的和作为最优和最优将最优和最优进行处理得到最终的融合图像K。本发明将高光谱图像与激光雷达图像中的重要判别信息进行高效提取并加以充分融合，提升了多源遥感图像的分类能力和分类精度。
-
公开(公告)号：CN115937565A
公开(公告)日：2023-04-07
申请号：CN202210133932.8
申请日：2022-02-14
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/58 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于自适应L‑BFGS算法的高光谱图像分类方法，利用卷积层和长短期记忆网络层提取像元空间特征，并将其与光谱特征相融合，最终实现分类的目的，同时采用改进二阶优化算法对网络模型进行参数更新与优化，解决了该应用场景下样本数目过多、数据量过大、参数难以更新等问题，提升了算法的收敛速度，解决了算法容易陷入局部最优点的问题。本发明将像元在局部空间的排列作为连续信息，利用长短期记忆网络层对其进行特征提取，保障了高光谱图像像元特征的多样性，有助于分类效果的提升。本发明将空谱特征利用拼接操作进行融合，实现多模态学习的目的。
-
公开(公告)号：CN115331110B
公开(公告)日：2024-10-18
申请号：CN202211037953.6
申请日：2022-08-26
Applicant: 苏州大学
IPC: G06V20/10 , G06V10/764 , G06V10/20 , G06V10/58 , G06V10/80 , G06V10/82 , G06N3/047 , G06N3/048 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种遥感高光谱图像与激光雷达图像融合分类方法，包括获取高光谱图像与激光雷达图像，将高光谱图像进行本征图像分解得到本征图像和光照图像，对于每一个高光谱本征像元、高光谱光照像元以及激光雷达像元，选取其邻域块，使用邻域块训练多个深度网络支路，利用拼接层将多个深度网络支路的输出进行两两拼接，将拼接后的输出进行多模态融合，得到最终输出的类别。本发明提出的遥感高光谱图像与激光雷达图像融合分类方法，可以充分融合多源遥感图像中重要判别信息，实现对目标像元高精度分类的目的，充分避免融合过程中重要信息的丢失与损耗，减少了由于信息缺失而带来的分类精度降低等问题。
-
公开(公告)号：CN116523840B
公开(公告)日：2024-01-16
申请号：CN202310326740.3
申请日：2023-03-30
Applicant: 苏州大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0895 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06V10/74
Abstract: 本发明提供一种基于深度学习的肺部CT图像检测系统及方法，该系统包括图像获取模块，用于获取ImageNet、无标签的肺部CT以及有标签的肺部CT数据集图像；第一自监督模块，用于利用预处理后的ImageNet数据集图像进行自监督训练；第二自监督模块，将第一自监督模块中训练后的网络模型参数迁移，利用预处理后的无标签的肺部CT数据集图像进行进一步自监督训练；分类模块，用于将第二自监督模块中训练后的模型参数迁移到分类模块中，利用预处理后的有标签的肺部CT数据集图像进行分类训练，得到训练好的分类网络模型；检测模块，用于将待检测的肺部CT图像输入到训练好的分类网络模型中，得(56)对比文件CN 111914600 A,2020.11.10CN 114549452 A,2022.05.27US 2023154006 A1,2023.05.18CN 116228785 A,2023.06.06蒋正锋等.基于CT影像的COVID-19智能辅助诊断方法《.分子影像学杂志》.2020,第43卷(第2期),第264-269页.Weixin Din等.Targeted self-supervisedattention network for coronavirus disease2019 detection《.JEI Journal of ElectronicImagine》.2023,第1-16页.Yunfeng Chen等.Classification of lungsinfected COVID-19 images based oninception-ResNe《.Computer Methods andPrograms in Biomedicine》.2022,第1-9页.Ali Riahi等.BEMD-3DCNN-based methodfor COVID-19 detection《.Computers inBiology and Medicine 》.2021,第1-10页.
-
-
-
Search Results
14
records
(took 0.01 seconds)
