-
公开(公告)号：CN113837237A
公开(公告)日：2021-12-24
申请号：CN202111022948.3
申请日：2021-09-01
Applicant: 西北工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于证据置信熵与相似性的多传感器融合目标识别方法，包括：获取目标所属的多种预设类型；各传感器确定当前目标属于各个预设类型的第一概率，获得当前目标的多个目标识别证据；各传感器计算当前目标的多个目标识别证据的相似性及不确定度，并确定不确定度权重和相似性权重；根据不确定度权重和相似性权重对第一概率进行加权，得到当前目标属于各个预设类型的第二概率；获取每个传感器对应的当前目标属于各个预设类型的第二概率之后，对N个传感器进行K次融合，第k次融合时按照预设顺序选取(k+1)个传感器，并确定当前目标所属的预设类型。对于多传感器多源信息融合的目标识别问题，本发明有效提高了目标识别的正确率。
-
公开(公告)号：CN113723450A
公开(公告)日：2021-11-30
申请号：CN202110814268.9
申请日：2021-07-19
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于进化多任务优化的高光谱图像波段选择方法，包括：获取高光谱图像，基于无标签样本和带标签样本分别建立第一任务优化模型和第二任务优化模型；根据高光谱图像的维数和谱带数确定编码个体，并根据编码个体初始化种群参数；计算初始种群中每个编码个体在第一任务优化模型和第二任务优化模型上的适应度值，通过适应度值得到技能因子；根据适应度值和技能因子对初始种群进行迭代优化，在每次迭代后计算综合评估结果；从若干综合评估结果中选择适应度值最高的结果进行输出。本发明利用标记样本和未标记样本的不同数值特征，设计了针对样本的目标准则，从不同角度搜索有希望的波段，解决了样本针对性不足且计算量大的问题。
-
公开(公告)号：CN113255451A
公开(公告)日：2021-08-13
申请号：CN202110450313.7
申请日：2021-04-25
Applicant: 西北工业大学
Abstract: 本发明公开了一种遥感图像的变化检测方法、装置、电子设备及存储介质，该方法包括：获取具有不同时相的第一待处理图像和第二待处理图像；将第一待处理图像及第二待处理图像输入变化检测模型，并获得变化检测模型输出的变化检测结果；根据变化检测结果，确定第一待处理图像和第二待处理图像中的地表变化。由于变化检测模型是预先利用多个第一类训练样本，按照预设网络性能评价策略以及预设网络结构搜索策略，对每次迭代得到的网络结构进行性能评价后，选取至少部分网络结构进行交叉、变异得到的神经网络模型，因而通过网络结构搜索策略实现了自动获取可用于实现遥感图像变化检测的最优全连接网络结构，进而解决人工设计网络结构耗时耗力的问题。
-
-
公开(公告)号：CN115082780B
公开(公告)日：2024-03-19
申请号：CN202210577166.4
申请日：2022-05-25
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开了一种基于增量式差异学习网络的多源异质影像变化检测方法，包括：构建两幅多源异质遥感影像的原始训练样本；利用两组原始训练样本分别训练SDAE，构建差异学习网络；根据两组原始训练样本和差异学习网络在当前次迭代中的目标函数训练差异学习网络，得到当前次迭代中的预分类结果图；利用其和预设的样本筛选策略确定当前次迭代中的分类器训练集，并训练分类器得到当前次迭代中的分类器的训练损失；判断是否达到迭代停止条件；若否利用当前次迭代中的分类器的训练损失更新差异学习网络的目标函数并返回差异学习网络训练；若是利用当前次迭代中训练完成的分类器得到两幅多源异质遥感影像的变化检测结果图。本发明能提高检测精度。
-
Patent Agency Ranking
公开(公告)号：CN113837237B
公开(公告)日：2024-02-20
申请号：CN202111022948.3
申请日：2021-09-01
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于证据置信熵与相似性的多传感器融合目标识别方法，包括：获取目标所属的多种预设类型；各传感器确定当前目标属于各个预设类型的第一概率，获得当前目标的多个目标识别证据；各传感器计算当前目标的多个目标识别证据的相似性及不确定度，并确定不确定度权重和相似性权重；根据不确定度权重和相似性权重对第一概率进行加权，得到当前目标属于各个预设类型的第二概率；获取每个传感器对应的当前目标属于各个预设类型的第二概率之后，对N个传感器进行K次融合，第k次融合时按照预设顺序选取(k+1)个传感器，并确定当前目标所属的预设类型。对于多传感器多源信息融合的目标识别问题，本发明有效提高了目标识别的正确率。
-
公开(公告)号：CN115424138A
公开(公告)日：2022-12-02
申请号：CN202211095575.7
申请日：2022-09-06
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的高光谱图像分类方法，包括：将待分类高光谱数据输入目标深度神经网络得到分类结果；目标深度神经网络训练过程包括：利用标签高光谱训练数据对初始深度神经网络进行训练得到中间深度神经网络，初始深度神经网络包括依次连接的若干基础残差网络模块和一输出模块；利用协同性选择策略和竞争性选择策略从无标签高光谱数据中选择部分无标签高光谱数据作为伪标签高光谱训练数据，由标签高光谱训练数据和伪标签高光谱训练数据生成新的标签高光谱训练数据；利用新的标签高光谱训练数据对中间深度神经网络进行上述训练直至满足训练停止条件得到目标深度神经网络。本发明提高了高光谱图像的分类性能。
-
公开(公告)号：CN114821299A
公开(公告)日：2022-07-29
申请号：CN202210311570.7
申请日：2022-03-28
Applicant: 西北工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种遥感图像变化检测方法，包括：获取对同一位置不同时刻拍摄的第一、第二遥感图像；分别对第一、第二遥感图像进行标记形成无标签样本数据和有标签样本数据；分别对无标签样本数据和有标签样本数据进行矢量格式转换形成无标签样本矢量数据和有标签样本矢量数据；利用进化算法进行网络结构搜索得到若干目标阶梯网格模型；对每一目标阶梯网络模型进行半监督与无监督训练确定中间最优阶梯网络模型；对中间最优阶梯网络模型进行半监督与无监督训练得到目标最优阶梯网络模型，目标最优阶梯网络模型对应的输出结果为检测结果。本发明检测方法普适性更强，可以获得更好的遥感图像变化检测结果。
-
公开(公告)号：CN114399161A
公开(公告)日：2022-04-26
申请号：CN202111517926.4
申请日：2021-12-13
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于离散映射差分进化算法的多无人机协同任务分配方法，包括：S1：对多无人机和多目标进行参数初始化；S2：进行多机航程代价估算，获得每个无人机与每个目标之间的真实航程代价值；S3：将初代种群中的个体代入目标函数中，记录初代种群中适应度最优的个体；S4：对初代种群中的个体依次进行差分变异操作、反映射操作和选择评优操作，利用变异后适应度更好的个体代替原始个体，以完成一次进化；S5：利用新的种群重复步骤S4，判断是否到达最大迭代次数，若满足，则结束迭代，输出最后一代种群中的最优个体作为最终任务分配结构；否则，返回步骤S4。本发明能够快速求解最优的无人机任务分配方案，提升无人机群对任务的完成效率。
-
公开(公告)号：CN113191996A
公开(公告)日：2021-07-30
申请号：CN202011257016.2
申请日：2020-11-11
Applicant: 西北工业大学
Abstract: 本发明公开了一种遥感影像变化检测方法、装置及其电子设备，方法包括：获取第一、第二遥感影像图像，根据第一遥感影像图像得到第一训练数据集，根据第二遥感影像图像得到第二训练数据集；构建第一SAE网络并采用第一训练数据集训练第一SAE网络得到训练好的第一SAE网络，构建第二SAE网络并采用第二训练数据集训练第二SAE网络得到训练好的第二SAE网络；根据训练好的第一SAE网络和训练好的第二SAE网络对差分神经网络进行训练得到训练好的差分神经网络；将测试第一、第二遥感影像图像输入至训练好的差分神经网络得到遥感影像的变化检测结果。本发明通过两个SAE网络特征提取后再输入差分神经网络进行检测，检测适用于复杂的遥感影像，并且变化检测结果精度较高。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.018 seconds)
