-
公开(公告)号：CN114494283A
公开(公告)日：2022-05-13
申请号：CN202111602281.4
申请日：2021-12-24
Abstract: 本发明公开了一种农田自动分割方法及系统，包括：获取原始的遥感影像，将原始的遥感影像裁剪成影像块，依次输入到农田粗分割网络的编码器模块，得到不同尺度下的农田特征；根据所述不同尺度下的农田特征和卷积网络中的浅层特征解码得到粗分割结果；利用粗分割结果定位所述原始的遥感影像中属于农田的像素，通过由卷积神经网络构成的农田细分割网络对所述像素进行二次判断，剔除粗分割结果中误分为农田的像素，得到细分割结果；将输入的所有影像块的细分割结果以均值叠加的方式拼接，完成原始大图的分割。优点：本发明能够解决农田尺度不一的问题以及避免将田埂等道路信息误分割为农田。
-
公开(公告)号：CN109325960B
公开(公告)日：2021-07-09
申请号：CN201811381701.9
申请日：2018-11-20
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种红外云图气旋分析方法，包括(1)基于卷积神经网络的SSD框架构建气旋系统检测网络，采用该网络从云图数据集中的每张云图中自动识别和定位气旋；(2)采用OTSU阈值分割算法对所述气旋进行阈值分割，并对所述阈值分割结果进行面积滤波，得到所述气旋的初始轮廓；(3)以所述气旋的初始轮廓作为输入，采用Chan‑Vese模型得到所述气旋的气旋边界；(4)利用所述SURF算法提取所述气旋边界的气旋特征点；(5)采用FLANN匹配器通过欧氏距离计算相邻时刻气旋各个特征点的匹配率，从而实现气旋的追踪。本发明借鉴MobileNet网络，结合SSD检测框架构建气旋检测网络对云图进行识别，识别准确率高，并且更简单。
-
公开(公告)号：CN111798460A
公开(公告)日：2020-10-20
申请号：CN202010554001.6
申请日：2020-06-17
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种卫星图像分割方法,属于图像信息处理技术领域。该方法包括如下步骤：步骤1）将原始的卫星图像裁剪成块，然后输入到深度卷积网络中转换成卷积特征，来捕获基于空间信息的上下文；步骤2）将网络得到的特征输入到提出的特征解耦模块中，利用特征解耦模块将类别之间的共生关系编码到卷积特征中去；步骤3）将经过特征解耦模块得到的三个解耦特征经过卷积和上采样操作得到对应的分割结果；步骤4）将步骤3）得到的三个分割结果经过加权求和得到最终的分割结果。本发明将不同类别物体之间的共生关系编码到卷积特征中去，这样能够更好地处理场景中的孤立物体，进而对卫星图像进行分割，具有较好的分割性能和分割准确率。
-
公开(公告)号：CN110378242A
公开(公告)日：2019-10-25
申请号：CN201910558505.2
申请日：2019-06-26
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种双重注意力机制的遥感目标检测方法，属于计算机视觉中图像处理领域。该方法包括以下步骤：一：输入多尺度的遥感航拍图；二：将输入图片分割成512*512的小图片；三：将小图片输入到网络中，经过感受野模块生成特征图；四：构建双重注意力机制卷积神经网络作为匹配函数，优化网络参数、重新定义通过卷积神经网络产生的特征图；五：通过网络的后续操作实现对目标的分类与bounding box回归；六：通过对多个回归坐标框的非极大值抑制得出一个得分最高的回归框，这个框就是遥感航拍图中感兴趣的目标位置。本发明能够有效的检测出遥感航拍图片中的目标，提高了目标检测网络的准确性和泛化性。
-
公开(公告)号：CN109325960A
公开(公告)日：2019-02-12
申请号：CN201811381701.9
申请日：2018-11-20
Applicant: 南京信息工程大学
CPC classification number: G06T7/246 , G06K9/6201 , G06K9/6256 , G06K9/6267 , G06N3/0454 , G06T7/13 , G06T7/136 , G06T2207/10048 , G06T2207/20081 , G06T2207/20084 , G06T2207/30192
Abstract: 本发明公开了一种红外云图气旋分析方法，包括(1)基于卷积神经网络的SSD框架构建气旋系统检测网络，采用该网络从云图数据集中的每张云图中自动识别和定位气旋；(2)采用OTSU阈值分割算法对所述气旋进行阈值分割，并对所述阈值分割结果进行面积滤波，得到所述气旋的初始轮廓；(3)以所述气旋的初始轮廓作为输入，采用Chan-Vese模型得到所述气旋的气旋边界；(4)利用所述SURF算法提取所述气旋边界的气旋特征点；(5)采用FLANN匹配器通过欧氏距离计算相邻时刻气旋各个特征点的匹配率，从而实现气旋的追踪。本发明借鉴MobileNet网络，结合SSD检测框架构建气旋检测网络对云图进行识别，识别准确率高，并且更简单。
-
Patent Agency Ranking
-
公开(公告)号：CN109186474A
公开(公告)日：2019-01-11
申请号：CN201811184427.6
申请日：2018-10-11
Applicant: 南京信息工程大学
Abstract: 本发明公开一种基于岭回归的气溶胶光学厚度反演偏差纠正方法，属于计算机气象应用技术领域。先用“暗目标”算法反演气溶胶光学厚度并将其作为初始化结果；再构建反演偏差纠正框架纠正反演结果，在串联方式中，将“暗目标”算法得到的气溶胶光学厚度作为岭回归模型的一个有效特征对反演结果进行纠正，在并联方式中，用岭回归模型直接学习物理模型的反演结果与真实值间的残差对反演结果进行纠正。本发明充分融合了物理模型与机器学习模型的优点，在串联方式中利用物理模型反演的气溶胶光学厚度值作为岭回归模型的特征，在并联方式中利用岭回归模型直接学习物理模型的反演结果与真实值间的残差，更好地反演气溶胶光学厚度，提高了反演性能和反演准确率。
-
公开(公告)号：CN104361611B
公开(公告)日：2017-05-17
申请号：CN201410659365.5
申请日：2014-11-18
Applicant: 南京信息工程大学
IPC: G06T7/215
Abstract: 本发明公开了一种基于群稀疏鲁棒PCA的运动目标检测方法，属于图像信息处理技术领域，包括以下步骤：输入视频序列；运用过分割算法进行区域分割，生成多个同性区域，将其作为群稀疏约束的分组信息；设置相关参数，使用增广拉格朗日乘子法迭代求解；通过群稀疏约束估计运动目标矩阵；应用核范数约束估计背景矩阵；更新乘子和惩罚参数；判断收敛性，如果收敛则输出所得的背景和运动目标，否则继续迭代。本发明利用运动分布的连续性先验，建立群稀疏鲁棒PCA运动目标检测模型，运用群稀疏准则判别各同性区域是否为运动目标，能够更加准确地度量运动目标的区域边界，且对复杂的背景运动更加鲁棒，达到了运动目标鲁棒检测的目的。
-
公开(公告)号：CN105787516A
公开(公告)日：2016-07-20
申请号：CN201610134494.1
申请日：2016-03-09
Applicant: 南京信息工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于空谱局部性低秩超图学习的高光谱图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：输入高光谱数据集，组成光谱特征矩阵X；设置相关参数，融入空谱局部性约束，构建空谱局部性约束的低秩表示模型；设置相关参数，使用交替方向乘子算法开始迭代求解；根据低秩表示模型中系数矩阵Z构建空谱局部性低秩超图；设置相关参数，建立半监督超图学习模型；设置相关参数，迭代求解半监督超图模型，输出光谱特征数据集X的分类结果矩阵F*。本发明设计了半监督超图学习算法应用于最后的高光谱图像分类。相对于其他较为先进的方法，本发明的分类效果更好，并且对噪声和图像退化的鲁棒性更高。
-
公开(公告)号：CN103345643A
公开(公告)日：2013-10-09
申请号：CN201310234905.0
申请日：2013-06-13
Applicant: 南京信息工程大学
IPC: G06K9/66
Abstract: 本发明公开了一种遥感图像分类方法，属于图像信息处理技术领域。本发明方法包括以下步骤：遥感图像的分块；初始样本的选择；分类器模型训练；矛盾样本池的构造；信息量最大样本的选取；训练样本集及分类器模型更新；分类过程迭代；遥感图像的分类。本发明利用图像块分类模型和图像像素点分类模型来构造一个测试委员会，以此筛选出信息量较大的样本。和随机采样以及经典的边缘采样主动学习方法相比，在相同的实验条件下，本发明方法的图像分类结果更加准确，给人更好的视觉效果。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.031 seconds)
