公开(公告)号：CN107203783A

公开(公告)日：2017-09-26

申请号：CN201710371308.0

申请日：2017-05-24

Applicant: 西北工业大学

Inventor： 张艳宁 ,  丁晨 ,  李映 ,  夏勇 ,  魏巍 ,  张磊

IPC: G06K9/62 ,  G06N3/04

CPC classification number: G06K9/6272 ,  G06N3/04

Abstract: 本发明公开了一种基于自适应卷积核卷积神经网络的遥感图像像素级分类方法，用于解决现有遥感图像像素级分类方法自适应性差的技术问题。技术方案是首先计算数据点的密度和距离值，然后自适应选取聚类中心为卷积核，最后将学习到的卷积核加入CNN对网络的softmax层进行训练，对训练好的网络进行遥感图像像素级分类。本发明将改进的基于快速寻找和找到密度峰值的聚类算法MCFSFDP，聚类得到自适应卷积核，代入基于预训练卷积核的CNN结构。相对基于K‑means聚类人工设定聚类类别预学习的卷积核的CNN结构相比，自适应学习到的卷积核能够有效表征数速记据信息特点并且提高了遥感图像像素级分类效果。

公开(公告)号：CN114943652A

公开(公告)日：2022-08-26

申请号：CN202210408527.2

申请日：2022-04-19

Applicant: 西北工业大学

Inventor： 张磊 ,  魏巍 ,  张欣媛 ,  丁晨 ,  张艳宁

IPC: G06T5/00

Abstract: 本发明实施例公开了一种低照度遥感图像的高动态重建方法和装置，低照度遥感图像的高动态重建方法包括：获取低照度遥感图像；将低照度遥感图像数据映射至深度学习特征空间，得到深度特征Fx；根据深度特征Fx，确定短期特征ys和长期特征yl，短期特征ys为至少基于空间域的卷积操作确定的像素级动态特征，长期特征yl表征深度特征Fx经过基于Transformer的预训练模型处理后确定的表征特征间依赖关系；根据短期特征ys和长期特征yl，确定亮度增强曲线；根据亮度增强曲线，对低照度遥感图像进行逐像素调整。通过本发明，解决了现有技术中对低照度遥感图像进行高动态重建的精度较低的问题，提高了低照度遥感图像的高动态重建精度。

公开(公告)号：CN108491864A

公开(公告)日：2018-09-04

申请号：CN201810163343.8

申请日：2018-02-27

Applicant: 西北工业大学

Inventor： 张艳宁 ,  丁晨 ,  李映 ,  夏勇 ,  张磊

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明提供了一种基于自动确定卷积核大小卷积神经网络的高光谱图像分类方法。首先，用K-means算法对多组不同大小的图像块样本进行聚类处理；然后，设计一种新的针对不同尺寸且各类别数量呈非均匀分布样本聚类结果的评价指标，对不同尺寸样本聚类结果进行评价，根据评价结果确定自适应卷积核；最后，对自适应卷积核的卷积神经网络进行训练，并利用训练好的网络对高光谱图像进行分类。由于利用聚类处理和指标评价得到的自适应卷积核可以更加有效的表征数据信息，利用本发明方法可以得到更好的高光谱图像分类结果。

公开(公告)号：CN107301457A

公开(公告)日：2017-10-27

申请号：CN201710491029.8

申请日：2017-06-26

Applicant: 西北工业大学

Inventor： 张艳宁 ,  丁晨 ,  李映 ,  张磊 ,  魏巍 ,  夏勇

IPC: G06N3/08

CPC classification number: G06N3/08 ,  G06N3/084

Abstract: 本发明提供了一种基于节点输入约束的全连接深度学习模型快速训练方法，将节点输入约束，引入到全连接深度学习模型训练中。首先，对网络节点输入约束值进行研究，依据激励函数的函数特性对其进行原始函数曲线、一阶导数曲线进行节点约束值分析，得到节点输入约束值；然后，在网络正向计算时节点输入中加入节点输入限制条件；最后，网络误差反向传播更新网络参数，直到网络收敛。由于把节点输入限制环节加入到了神经网络正向传播环节，有效的实现了网络训练的快速收敛，本发明方法实现简单，参数易于设置。