-
公开(公告)号：CN114202694A
公开(公告)日：2022-03-18
申请号：CN202111516394.2
申请日：2021-12-09
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于流形混合插值和对比学习的小样本遥感场景图像分类方法，该方法包括：1)数据准备，从遥感场景图像数据集中划分出基础数据集和测试数据集，每次采样包含一组支持集和查询集；2)通过特征提取器，获取图像的高层特征表示；3)通过流形混合插值模块，生成插值集样本，并微调深度残差网络；4)通过自监督学习模块对样本进行不同类型的增强，产生对比损失；5)计算支持集中每一个类别样本的码本向量，对新样本进行分类，并产生分类损失。本发明通过流形混合插值模块和自监督对比学习模块，能够在少量的样本中学习到更鲁棒的表示，克服了小样本情境下样本缺乏的问题，在不同的遥感场景分类问题中具有优良的泛化性能。
-
公开(公告)号：CN108960276B
公开(公告)日：2022-02-15
申请号：CN201810432942.5
申请日：2018-05-08
Applicant: 南京理工大学
IPC: G06K9/62 , G06V10/764 , G06V10/75
Abstract: 本发明公开了一种提升光谱图像监督分类性能的样本扩充与一致性判别方法，包括以下步骤：构造形状匹配模板库；计算单个训练样本的邻域相似度矩阵；使用模板库对相似度矩阵进行匹配，并根据匹配度选取最佳匹配模板；根据最佳匹配模板扩充训练样本；使用扩充后的训练集训练监督分类器；计算测试样本的邻域预测矩阵；使用模板库对邻域预测矩阵进行匹配，并根据一致性度量计算最佳判别结果。本发明通过形状模板匹配有效扩充监督样本，利用模板库与分类预测矩阵一致性判别改善分类结果的局部聚集性，大幅提升监督分类器的精度，提升了小样本监督分类算法的鲁棒性，可适用于任何监督分类器。
-
公开(公告)号：CN113094645A
公开(公告)日：2021-07-09
申请号：CN202110267926.7
申请日：2021-03-11
Applicant: 南京理工大学
IPC: G06F17/16 , G06F17/18 , G06F17/15 , G06F30/20 , G06F111/04
Abstract: 本发明公开了一种形态成分约束优化的高光谱数据解混方法，该方法主要是利用一批高光谱数据和纯物质光谱库，构造光谱样本扩展矩阵；通过估计波段噪声标准差和稀疏性结构噪声分解，使用l1范数来约束稀疏噪声，l2,0范数约束不同纯物质丰度系数的全局行稀疏性；建立形态成分约束优化的高光谱数据解混模型，交替迭代实现混合光谱的线性解混。本发明综合考虑了高斯随机噪声和稀疏性结构噪声对线性解混精度影响，对混合噪声鲁棒，可以有效克服同批光谱数据之间的波形形态结构差异性，通过优化迭代实现快速、高精度解混，解混的均方根误差小于0.0025；本发明方法对于岩石矿物识别和高光谱遥感地物精细识别等具有广泛应用前景。
-
公开(公告)号：CN112699929A
公开(公告)日：2021-04-23
申请号：CN202011568917.3
申请日：2020-12-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种多监督递归学习的深度网络多源光谱图像融合方法，包括：采取递归学习，构成递归残差子网络，每个递归残差子网络的输出和输入相加作为下一递归残差子网络的输入；网络由预超分辨模块和融合模块构成，预超分辨模块实现上采样插值的自动学习，预超分辨图像与多光谱图像拼接作为融合模块输入；采取多个递归残差子网络堆叠方法建立预超分辨模块和融合模块；采用多监督学习方式，低层、中间层与高层特征经过拼接与卷积层形成各级中间融合图像；以L1范数和光谱角作为损失函数的两个度量，各级中间融合图像与真实图像建立联合损失函数，进行端对端网络训练。仿真实验结果证明了本发明对于多远光谱图像融合的有效性。
-
公开(公告)号：CN112381144A
公开(公告)日：2021-02-19
申请号：CN202011273501.9
申请日：2020-11-13
Applicant: 南京理工大学
Abstract: 本发明公开了一种非欧与欧氏域空谱特征学习的异构深度网络方法，该方法包括：对高光谱图像执行超像素分割并构建像素到超像素的关联矩阵；根据超像素的邻接关系构建邻接矩阵；构建光谱变换子网络对光谱数据进行去冗余；构建超像素级图卷积子网络提取非欧域空谱特征；构建像素级空谱卷积子网络提取欧氏域空谱特征；融合非欧与欧氏域空谱特征并分类；使用交叉熵损失函数训练网络。本发明方法具有同时在欧氏与非欧域中提取高光谱图像空谱特征的能力，应用于高光谱图像监督分类具有优异性能。
-
Patent Agency Ranking
公开(公告)号：CN109241843A
公开(公告)日：2019-01-18
申请号：CN201810871705.9
申请日：2018-08-02
Applicant: 南京理工大学
Abstract: 本发明公开了一种空谱联合多约束优化非负矩阵解混方法，其步骤为：1)高光谱端元数量估计；2)构建端元光谱最小距离约束项；3)构建丰度混合范数稀疏性约束项；4)构建丰度图梯度域群稀疏性约束项；5)建立空谱联合多约束优化非负矩阵解混模型；6)交替方向迭代求解；7)输出解混所得端元及丰度图。本发明充分利用高光谱图像端元光谱与几何质心距离最小，丰度稀疏性及分片光滑特性，通过多约束限制端元和丰度求解的搜索空间，避免局部最小，通过迭代求解得到最优解；与传统经典非负矩阵解混模型方法相比，本发明提高了解混的精度，增强了方法对噪声的鲁棒性，可广泛应用于国土资源、矿产勘测和精准农业领域的高光谱无监督解混。
-
公开(公告)号：CN108960276A
公开(公告)日：2018-12-07
申请号：CN201810432942.5
申请日：2018-05-08
Applicant: 南京理工大学
IPC: G06K9/62
CPC classification number: G06K9/6267 , G06K9/6202
Abstract: 本发明公开了一种提升光谱图像监督分类性能的样本扩充与一致性判别方法，包括以下步骤：构造形状匹配模板库；计算单个训练样本的邻域相似度矩阵；使用模板库对相似度矩阵进行匹配，并根据匹配度选取最佳匹配模板；根据最佳匹配模板扩充训练样本；使用扩充后的训练集训练监督分类器；计算测试样本的邻域预测矩阵；使用模板库对邻域预测矩阵进行匹配，并根据一致性度量计算最佳判别结果。本发明通过形状模板匹配有效扩充监督样本，利用模板库与分类预测矩阵一致性判别改善分类结果的局部聚集性，大幅提升监督分类器的精度，提升了小样本监督分类算法的鲁棒性，可适用于任何监督分类器。
-
公开(公告)号：CN108401108A
公开(公告)日：2018-08-14
申请号：CN201810197990.0
申请日：2018-03-12
Applicant: 南京理工大学 , 中国地质调查局南京地质调查中心
Abstract: 本发明公开了一种推扫式高光谱相机快速自动调焦方法，该方法包括以下步骤：初始化镜头位置；改变离焦状态获取光谱数据；构建光谱数据矩阵；计算并存储光谱质量指标值；拟合光谱质量指标值与镜头伸缩量间的高斯分布函数；估算最佳调焦位置。本发明仅仅利用单行光谱数据进行光谱质量评价，计算量小,调焦速度快；采用四元数小波变换提取光谱数据多尺度信息构造调焦函数，准确度高，稳健性强；利用高斯函数拟合光谱评价值，能够实现推扫式相机自动调焦。
-
公开(公告)号：CN104200429B
公开(公告)日：2017-05-17
申请号：CN201410410699.9
申请日：2014-08-19
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明提出一种傅立叶域图像显著性信息的变密度压缩采样方法。根据图像显著图傅立叶变换后的振幅谱将图像频率平面划分为显著性区域和非显著性区域，构造显著性掩码矩阵和非显著性掩码矩阵，然后基于掩码矩阵在显著性区域实施稠密星型采样，在非显著性区域实施稀疏星型采样。本发明能够对自然图像中显著性目标与非显著性背景区域的采样进行自适应处理，消除目标重建时边缘附近的振铃和锯齿效应。
-
公开(公告)号：CN103106644B
公开(公告)日：2016-04-27
申请号：CN201310044039.9
申请日：2013-02-02
Applicant: 南京理工大学
IPC: G06T5/00
Abstract: 本发明公开了一种克服彩色图像非均匀光照的自适应画质增强方法。该方法先计算亮度图像；利用亮度图像中像素邻域内的平均强度值计算局部亮度指标；建立局部亮度指标与对比度增强系数之间的映射关系；用对比度增强系数构造单通道图像像素间对比度差异度量，进而加权整合为全局自适应对比度能量项；将该全局自适应能量与熵离差项组成图像增强的代价最小化模型；最后利用梯度下降法求解该模型的最小值作为增强后的单通道图像；所有通道都处理完毕后，将全部增强后的单通道图像合并成输出的彩色图像。本发明在有效提升图像对比度和去除色偏的同时，能消除过亮和过暗的光照不均匀效果，保持明暗区域中物体的细节完整性。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.03 seconds)
