公开(公告)号：CN114066829B

公开(公告)日：2025-05-09

申请号：CN202111295237.3

申请日：2021-11-03

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  陈俊 ,  杨海平 ,  张军侠

IPC: G06T7/00 ,  G06T7/13 ,  G06T7/33 ,  G06N3/0464 ,  G06N3/08 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 一种基于语义边缘的后分类建筑物变化检测方法，通过基于卷积神经网络的语义边缘检测模型对建筑物样本进行学习，通过模型预测获取两期相对应影像的建筑物边缘信息，后将这两幅边缘图像进行合成，获得一期包含所有建筑物边缘信息的二值图，这样做即通过两期建筑物边缘互相补充使建筑物边缘轮廓的细节得以更多的保留，也忽略了影像来源的区别，从而实现了对不同分辨率、不同来源下的遥感影像进行建筑物的变化检测。目前有关变化检测的算法，都存在着对配准要求高，只在特定的数据上可以使用，且准确率不高的问题，本发明通过图像配准算法在一定程度上降低了配准要求，且由于后分类的方式，使其对数据的适应性更强。

公开(公告)号：CN109543630B

公开(公告)日：2023-06-16

申请号：CN201811433346.5

申请日：2018-11-28

Applicant: 苏州中科天启遥感科技有限公司 ,  浙江工业大学 ,  中国科学院遥感与数字地球研究所

Inventor： 周楠 ,  魏春山 ,  吴炜 ,  胡晓东 ,  夏列钢 ,  骆剑承 ,  郜丽静 ,  高星宇

IPC: G06V20/10 ,  G06V10/82 ,  G06V10/778 ,  G06V10/80 ,  G06V10/764

Abstract: 本发明提供基于深度学习的遥感影像林地提取方法，包括步骤影像数据融合、样本制作、模型训练、精度评定、林地预测。本发明还涉及基于深度学习的遥感影像林地提取系统、存储介质、电子设备；本发明融合数字地表模型，将DSM数据与四波段样本数据进行融合，得到具有五个波段信息的训练数据，输入到深度学习网络模型中反复迭代得到包含DSM特征的林地分类模型，然后再用边界提取网络RCF提取遥感影像中的林地边界作为约束，从而完成林地的精确分割，使林地的边界更加符合实际，本发明实现自动高效的林地矢量数据提取，极大的提高遥感影像的林地提取方法的准确度，缩短手工绘制的时间成本和人力成本。

公开(公告)号：CN114219816A

公开(公告)日：2022-03-22

申请号：CN202111382455.0

申请日：2021-11-22

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  杨德志 ,  杨海平 ,  张军侠

IPC: G06T7/12 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于迁移学习的高分遥感影像语义边缘提取方法，包括：步骤1：准备阶段，分为确定任务目标、挑选网络结构和准备预训练模型；步骤2：准备影像集和样本；步骤3：冻结选取的网络结构中的部分编码器参数，设定超参数后用样本集C微调网络结构中的其他参数，得到新的网络模型b；步骤4：制作伪样本集；步骤5：将样本集C和伪样本集D合并为样本集E，冻结部分编码器的参数，设定超参数后微调网络模型中其他部分，得到最终的语义边缘提取模型。本发明以小数量的样本便能得到精度和泛化性足够满意的语义边缘提取网络模型。

公开(公告)号：CN110598564B

公开(公告)日：2022-02-11

申请号：CN201910757947.X

申请日：2019-08-16

Applicant: 浙江工业大学

Inventor： 杨海平 ,  夏列钢

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/774 ,  G06K9/62 ,  G06N20/00

Abstract: 基于OpenStreetMap的高空间分辨率遥感影像迁移学习分类方法，包括：基于OpenStreetMap数据自动生成目标域的影像对象样本集；采用与目标域影像具有相同成像传感器的源域影像，基于其历史分类图自动生成源域的影像对象样本集；综合以上目标域和源域样本集形成混合样本集，用于训练基于随机森林的迁移学习算法分类器；采用最终分类器预测目标域影像对象类型，以此得到最终分类结果。本发明在没有人工标注目标域影像类别的情况下，可以从OpenStreetMap数据中提取目标域影像对象的标签，通过挖掘相同传感器影像的历史分类图信息，结合目标域影像样本集，采用迁移学习算法对影像进行分类，降低了分类成本，可应用于大范围高空间分辨率遥感影像分类工作。

公开(公告)号：CN110443822B

公开(公告)日：2021-02-02

申请号：CN201910638370.0

申请日：2019-07-16

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  张雄波 ,  吴炜 ,  杨海平

IPC: G06T7/13 ,  G06T7/11 ,  G06K9/00 ,  G06N3/04

Abstract: 一种基于边缘辅助的高分遥感目标精细提取方法，首先根据遥感目标提取任务设计深度卷积神经网络、制作样本并训练得到目标检测模型和边缘检测模型。然后将遥感影像输入到目标检测模型中进行地物外包框提取，从而确定地物目标类型及所在位置范围；将遥感影像输入到边缘检测模型中进行地物边缘提取，从而获取地物目标边缘强度图。最后针对每个外包框中的目标，以相应位置的边缘强度图为指示进行目标边界提取操作，对强度较高的明显边缘直接进行细化作为边界，对模糊特别是中断边缘以边界完整为目标进行修补，最终确定目标精细边界，按任务需求可将目标边界矢量化为多边形要素。本发明可实现高分遥感目标的精细提取。

公开(公告)号：CN105279745A

公开(公告)日：2016-01-27

申请号：CN201510709148.7

申请日：2015-10-28

Applicant: 浙江工业大学

Inventor： 吴炜 ,  王卫红 ,  杨海平 ,  夏列钢

IPC: G06T5/40

Abstract: 遥感影像色彩归一化的多特征点约束直方图规整方法，分别统计输入影像和参考影像的直方图并归一化，得到不同灰度值所占的比例，然后采用高斯滤波器进行滤波，得到平滑的直方图；将平滑的直方图看成是按照灰度由小到大依次连接对应灰度值比例而成的曲线，通过道格拉斯算法提取特征点；在直方图的灰度范围一致化处理的基础上，按照最小距离以及特征点类型建立特征点间的对应关系；以特征点作为约束，利用直方图规整建立输入影像到参考影像的灰度映射方程；根据灰度映射方程，对输入影像进行灰度重采样，得到结果影像。本发明能够拟合不同灰度范围灰度值压缩或者拉伸的情况，克服误差累积和传递。

公开(公告)号：CN117611995A

公开(公告)日：2024-02-27

申请号：CN202311513327.4

申请日：2023-11-14

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  陈昌格 ,  王加豪 ,  项剑元

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/764 ,  G06V10/26 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/0464

Abstract: 基于中分时序与高分语义图像聚类的农业地块作物类型提取方法，包括：准备数据和模型；提取高分影像的地块影像作为聚类样本A；提取大地块纯像元时序信息作为时序训练样本B；对高分地块影像进行图像语义聚类训练得到初步可信标签C，对时序训练样本B根据数据完整度进行分类；对可信标签C进行基于颜色的微调分类，得到新的半监督训练样本D；得到所有大地块的标签E和所有小地块的标签F；将时序完整数据样本进行监督式学习训练，三个时序数据样本之间进行时序聚类训练；大地块作物类型重归类；将时序大地块预测结果H和聚类大地块预测结果F以置信度算法进行重归类，再和聚类小地块预测结果G集合成一个所有地块预测结果I。

公开(公告)号：CN112084871B

公开(公告)日：2024-02-13

申请号：CN202010795781.3

申请日：2020-08-10

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  张雄波 ,  张军侠 ,  吴炜 ,  杨海平

IPC: G06V20/13 ,  G06V10/774 ,  G06N3/0895 ,  G06T7/11 ,  G06T7/13

Abstract: 一种基于弱监督学习的高分遥感目标边界提取方法，首先根据提取任务确定遥感地物目标并制作相应的少量精确样本标签和大量不确切样本标签。然后使用少量精确样本标签训练小样本集边缘模型。再使用小样本集边缘模型去预测大量不确切样本集，得到大量的地物目标边缘强度图，对这批质量参差不一的强度图使用骨架提取算法获得骨架图，再采用边界完整程度算法计算每个地物目标的边界完整情况，并按给定阈值挑选整体边界完整度较高的骨架图作为大量较准确样本集。接着使用大量较准确样本集训练大样本集边缘模型。最后用大样本集边缘模型预测待生产的高分遥感影像，并用骨架提取，获得最终的目标边界提取结果。本发明的模型精度超过少量样本的模型精度。

公开(公告)号：CN116434054A

公开(公告)日：2023-07-14

申请号：CN202310182246.4

申请日：2023-03-01

Applicant: 浙江工业大学

Inventor： 夏列钢 ,  米书林 ,  苏一少 ,  刘瑞彦

IPC: G06V20/10 ,  G06V10/80 ,  G06V10/26 ,  G06V10/44 ,  G06V10/22 ,  G06V10/774

Abstract: 一种基于线面结合的密集遥感地物提取方法，包括：选定最终需要提取的目标应用区域影像数据，并用于绘制样本；挑选、设计语义边缘提取网络模型以及语义分割网络模型；利用语义边缘提取网络模型和语义分割网络模型对高分遥感影像训练数据进行训练，获得密集遥感地物的语义边缘提取网络模型和语义分割网络模型；对目标应用区高分遥感影像大图数据分别进行预测，获得应用区域密集遥感地物的线结果和面结果；将面预测结果进行二值化和去小图斑处理，线预测结果进行细化和补断线处理；将处理后的面结果和线结果矢量化，并使用融合算法融合面和线的矢量化结果得到最终密集遥感地物提取结果。本发明能获得精确的结果，并减少人工劳动。

公开(公告)号：CN115601378A

公开(公告)日：2023-01-13

申请号：CN202210854432.3

申请日：2022-07-15

Applicant: 浙江工业大学(CN)

Inventor： 夏列钢 ,  刘瑞彦 ,  吴炜 ,  杨海平

IPC: G06T7/13 ,  G06T7/181 ,  G06T7/136 ,  G06T11/40 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于追踪的高分遥感影像边缘修补方法，首先根据遥感边缘检测任务设计深度卷积神经网络、制作样本并训练得到边缘检测模型和边缘追踪模型；将遥感影像输入到边缘检测模型中进行地物边缘提取，从而获取地物边缘强度图。将遥感影像和随机起点文件输入到边缘追踪模型中迭代生成边缘追踪图，针对不连续地物边缘，融合边缘检测结果和边缘追踪结果自动确定边缘宽度并补全边缘。本方法将边缘检测算法预测结果中不连续的边缘部分通过边缘追踪算法提供的拓扑信息完成断线修补工作，同时利用边缘二值图辅助连接破碎的边缘追踪图，或在本不存在的位置创建边缘补全边缘追踪图。可提升边缘提取准确度与效率，并提高对边缘追踪模型的准确度。