基于深度学习的多模态遥感影像高层特征融合分类方法

    公开(公告)号:CN108052911A

    公开(公告)日:2018-05-18

    申请号:CN201711379681.7

    申请日:2017-12-20

    Abstract: 本发明涉及一种基于深度学习的多模态遥感影像高层特征融合分类方法,其包括以下步骤:多模态遥感数据集的预处理,制作高层特征提取器的训练集、验证集、测试集,用于高层特征提取器模型参数的构建;多模态高层特征提取器的模型构建,用于提取多个模态遥感影像的高层特征;多模态遥感影像高层特征的提取与存储,用于多分类器的训练、验证与测试;高层特征融合算法,用于制作分类器的训练集、验证集与测试集;分类器模型参数的构建,用于新产生的数据集的分类。本发明通过深度学习可以在遥感影像地物分类中取得显著效果,适用于复杂、海量的遥感影像分类,具有精度高、快速、高效、安全的特点,从而提高遥感影像的利用率以及遥感影像的利用价值。

    云环境下扩展加权门限海洋遥感影像秘密共享方案及方法

    公开(公告)号:CN106980791A

    公开(公告)日:2017-07-25

    申请号:CN201710200312.0

    申请日:2017-03-30

    Abstract: 本发明涉及一种云环境下扩展加权门限海洋遥感影像秘密共享方案及方法,包括以下步骤:构造o‑mignotte模块根据参与者权重分布,构造两两互素的o‑mignotte序列,并计算每一个秘密片段的位数;敏感区影像的分块模块确定影像的分块个数并利用基于遥感影像灰度值的哈希算法计算影像的哈希序列;遥感影像秘密共享模块将计算得到的秘密片段分别嵌入到选择的宿主图像中,获得影子图像;遥感影像秘密恢复模块选择权重之和大于或等于权重门限的任意参与者提供的影子影像,用于原始秘密影像无损恢复。其优点表现在:实现了无论参与者的权重大小如何,每个参与者保存一个秘密份额,最终在简化密钥管理与使用的同时减少了秘密信息的传输量,加强了方案的安全性和灵活性。

Patent Agency Ranking