-
公开(公告)号：CN116385600A
公开(公告)日：2023-07-04
申请号：CN202310376114.5
申请日：2023-04-10
Applicant: 北京卫星信息工程研究所
IPC: G06T11/60 , G06F40/289 , G06F40/216 , G06F16/9532 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种遥感图像目标特性的分布式表征方法、装置及电子设备，所述方法包括：利用非结构化文本的先验信息对目标特性进行表达；结合结构化遥感图像知识对非结构化文本表达进行筛选；训练遥感图像语义环境模型，分布式表征遥感图像中的目标特性。通过实施本发明的上述方案，可以实现结合非结构化文本知识与结构化图像知识的目标特征表达。
-
公开(公告)号：CN115294439A
公开(公告)日：2022-11-04
申请号：CN202210923739.4
申请日：2022-08-02
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种空中弱小运动目标检测方法、系统、设备及存储介质，首先读取至少三个不同波段间存在成像视差的卫星遥感图像，获取的多光谱数据源中每个波段对目标成像时存在一定的时间偏差，时间偏差会造成运动目标在多光谱图像中的位移视差，并利用该位移视差确定空中弱小运动目标，最后对检测到的空中弱小运动目标图像进行坐标和投影转换，输出检测结果。本发明实现了宽幅成像模式下不同空间分辨率多光谱图像中空中弱小运动目标的检测，避免了传统方法中空间分辨率对检测精度的影响及实际应用中的局限性，弥补了现有技术手段和方法的不足，提高了空中弱小运动目标检测识别精度。
-
公开(公告)号：CN118735969A
公开(公告)日：2024-10-01
申请号：CN202410739942.5
申请日：2024-06-07
Applicant: 北京卫星信息工程研究所
IPC: G06T7/33 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/20 , G06V10/40 , G06N3/0475 , G06N3/0464 , G06N3/044 , G06N3/08
Abstract: 本发明涉及一种基于表示学习的高光谱遥感影像配准方法，包括：获取高光谱遥感卫星拍摄一组高光谱图像，并对其进行预处理；构建对抗生成网络，并对不同波段范围进行多波段特征学习和特征映射；构建多波段结构化语义的CNN‑RNN混合神经网络深度表达模型，提取每个波段高光谱图像的结构语义信息；建立跨波段的特征对齐和特征关联的网络模型，进行不同波段间影像的匹配。本发明，能够提高高光谱遥感影像配准的精度，更能大大节省配准的效率，节省人力物力。
-
公开(公告)号：CN116645448B
公开(公告)日：2023-12-22
申请号：CN202310457856.0
申请日：2023-04-25
Applicant: 北京卫星信息工程研究所
IPC: G06T11/40 , G06V10/74 , G06V20/13 , G06V10/82 , G06V10/764 , G06T5/00 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06N3/096
Abstract: 本发明涉及一种光学遥感影像的定量云自动添加方法及装置，所述方法包括：对真实无云光学遥感影像和真实有云光学遥感影像进行预处理；构建基于循环生成对抗网络的深度神经迁移网络；利用预处理后的真实无云光学遥感影像和真实有云光学遥感影像对所述基于循环生成对抗网络的深度神经迁移网络进行训练学习，实现云量的定量添加。通过实施本发明的上述方案，可以实现自动生成包含不同比例云的高质量典型目标的光学遥感影像训练样本。
-
Patent Agency Ranking
公开(公告)号：CN116450613B
公开(公告)日：2023-12-19
申请号：CN202310418313.8
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/21 , G06F16/25 , G06F16/29 , G06F16/955
Abstract: 本发明涉及一种面向资源的地理样本数据服务方法、设备及存储介质，建立地理人工智能样本数据服务元数据描述的概念模型和逻辑模型；建立地理人工智能样本数据服务资源体系；构建面向资源的地理人工智能样本数据服务接口及接口与地理人工智能样本数据服务资源的映射关系；定义表述性状态转换风格的地理人工智能样本数据服务资源的统一资源描述标识符，并与样本数据服务接口绑定；发布地理人工智能样本数据服务的网络访问接口。本发明，增强了空间数据基础设施的智能化服务能力，从而支持建设人工智能就绪的空间数据基础设施，满足了多源异构的地理人工智能样本数据的共享服务
-
公开(公告)号：CN116486265A
公开(公告)日：2023-07-25
申请号：CN202310468626.4
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/766 , G06V10/422 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法，包括：构建并训练基于Mask R‑CNN的目标定位与分割模型，对遥感图像中的飞机目标进行检测与分割；对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形，将轮廓多边形的线段作为节点，将线段的几何特征和线段对应部件的卷积特征作为节点属性，并根据线段间的空间关系构建图结构数据；构建融合几何特征和卷积特征的图卷积神经网络模型；利用所述图结构数据训练所述图卷积神经网络模型，对描述飞机形状特征和部件特征的图结构进行整图分类，实现飞机目标的细粒度识别。通过实施本发明的上述方案，通过综合利用飞机目标的形状特征和部件特征提高飞机细粒度识别的精度。
-
公开(公告)号：CN116486085A
公开(公告)日：2023-07-25
申请号：CN202310474551.0
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种遥感图像的场景描述方法，包括：S100，根据遥感图像构建遥感知识词库；S200，根据Mask2Former网络对所述遥感图像进行全景分割，得到全景分割结果并生成语义分割结果；S300，引入语义扩充模块，根据所述全景分割结果和所述语义分割结果对所述遥感图像进行语义扩充；S400，以ResNet特征提取网络为基础，引入基于通道的注意力模块，提取所述遥感图像中不同通道的语义特征信息；S500，以LSTM场景描述网络为基础，引入知识融合模块，生成关于所述遥感图像的场景描述语句。本发明能更加准确地描述高分遥感图像所携带的丰富语义及空间信息，可应用于遥感图像智能解译、遥感图像大数据管理等领域，具有广阔的前景。
-
公开(公告)号：CN116485652A
公开(公告)日：2023-07-25
申请号：CN202310465820.7
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06T3/40 , G06T7/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/54 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种遥感影像车辆目标检测的超分辨率重建方法，包括：构建不同场景下丰富的高分辨率遥感影像数据集，对所述高分辨率遥感影像数据集进行预处理；根据所述高分辨率遥感影像数据集得到对应的低分辨率遥感影像数据集，构建目标超分重建数据集；提取所述低分辨率遥感影像数据集中低分辨率遥感影像的边缘特征；构建超分辨率重建模型，利用所述目标超分重建数据集和所述边缘特征训练优化所述超分辨率重建模型；利用所述超分辨率重建模型对目标进行高分辨率恢复和重建。通过实施本发明的上述方案，有效解决车辆目标因呈现出弱小特性而导致其检测率较低的问题，有效改善目标重建质量并降低重建的计算开销。
-
公开(公告)号：CN116450613A
公开(公告)日：2023-07-18
申请号：CN202310418313.8
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/21 , G06F16/25 , G06F16/29 , G06F16/955
Abstract: 本发明涉及一种面向资源的地理样本数据服务方法、设备及存储介质，建立地理人工智能样本数据服务元数据描述的概念模型和逻辑模型；建立地理人工智能样本数据服务资源体系；构建面向资源的地理人工智能样本数据服务接口及接口与地理人工智能样本数据服务资源的映射关系；定义表述性状态转换风格的地理人工智能样本数据服务资源的统一资源描述标识符，并与样本数据服务接口绑定；发布地理人工智能样本数据服务的网络访问接口。本发明，增强了空间数据基础设施的智能化服务能力，从而支持建设人工智能就绪的空间数据基础设施，满足了多源异构的地理人工智能样本数据的共享服务需求，为地理人工智能样本数据的共享和应用提供有力支撑。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.027 seconds)
