-
公开(公告)号：CN112528914A
公开(公告)日：2021-03-19
申请号：CN202011510233.8
申请日：2020-12-19
Applicant: 东南数字经济发展研究院 , 衢州东南飞视科技有限公司
Abstract: 本发明提供了一种细节信息逐步融入的卫星影像全色增强方法，首先将全色影像分解成高通部分和低通部分，然后将全色增强视为超分辨率问题，通过在超分辨率过程中融入高通部分，实现遥感影像空间细节信息的保持。本发明的优点在于：利用频率分离技术提前分离PAN图像信息，充分利用了PAN图像中的细节信息；采用渐进式组合重建和自学习上采样的方法，实现空间特征与多光谱特征的多层次融合，处理后的图像结构空间细节信息丰富，空间细节信息融合充分，具有较好的增强效果，能够增强图像的空间分辨率。
-
公开(公告)号：CN114419191B
公开(公告)日：2024-12-06
申请号：CN202210031085.4
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 针对遥感专题信息矢量化时，影像超出计算机内存的问题，本发明提出一种面向遥感专题信息的大影像矢量化方法，通过将影响划分为相同大小的影像块，然后分块进行矢量化，实现边界处的影像无缝合成，得到遥感影像大区域矢量化的结果。该方法的特点在于每个分块重合一个像素，使得分块既能连接，又不会出现细碎多边形。通过与小影像的矢量化结果比较，本文方法能够获得与不分块相同的矢量化结果。
-
公开(公告)号：CN114419191A
公开(公告)日：2022-04-29
申请号：CN202210031085.4
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 针对遥感专题信息矢量化时，影像超出计算机内存的问题，本发明提出一种面向遥感专题信息的大影像矢量化方法，通过将影响划分为相同大小的影像块，然后分块进行矢量化，实现边界处的影像无缝合成，得到遥感影像大区域矢量化的结果。该方法的特点在于每个分块重合一个像素，使得分块既能连接，又不会出现细碎多边形。通过与小影像的矢量化结果比较，本文方法能够获得与不分块相同的矢量化结果。
-
Patent Agency Ranking
公开(公告)号：CN114612315B
公开(公告)日：2024-08-09
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
IPC: G06T5/77 , G06T5/60 , G06T7/13 , G06V20/13 , G06V10/44 , G06V10/82 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06N3/084 , G06N3/0985
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
公开(公告)号：CN113409413B
公开(公告)日：2024-04-19
申请号：CN202110620359.9
申请日：2021-06-03
Applicant: 东南数字经济发展研究院 , 衢州东南飞视科技有限公司
IPC: G06T11/00 , G06N3/0442 , G06N3/084
Abstract: 针对时序遥感影像具有描述地表时间及其空间变化特征的能力，本发明提出一种利用门控卷积‑长短记忆网络的时序影像重建方法。该网络基于生成对抗网络架构，首先利用时序影像训练一个特征提取模型，该模型采用门控卷积结合长短记忆网络，提取时序影像在时间和空间上的变化关系；然后，将人工生成结果和真实影像输入到分类器，判断输入是人工生成结果还是真实影像，通过二者的对抗训练，实现二者的协同优化；然后，将待重建的影像输入到生成器中，根据的有效部分，预测影像上的缺失部分，生成一张无缺失的影像。
-
公开(公告)号：CN114612315A
公开(公告)日：2022-06-10
申请号：CN202210008040.5
申请日：2022-01-06
Applicant: 东南数字经济发展研究院
Abstract: 本发明提出了一种基于多任务学习的高分辨率影像缺失区域重建方法，该方法将高空间分辨率影像上的缺失区域填充看成一个条件式的图像生成问题，采用基于门控卷积的条件式对抗生成网络模型结构进行实现。其中，生成器通过编码和解码的结构进行特征提取，并使用同一特征进行地物类别、边界提取和缺失区域填充完成三个相关的任务，引导特征提取模块关注地物类型、边界等信息，从而获得细节丰富、真实的无缺失影像。判别器判别各个影像是生成的，还是真实的，并据此指导生成器进行优化。本发明通过引导生成器关注地物边界和地物类别信息，可以获得细节与纹理丰富的无缝重建结果。
-
公开(公告)号：CN113409413A
公开(公告)日：2021-09-17
申请号：CN202110620359.9
申请日：2021-06-03
Applicant: 东南数字经济发展研究院 , 衢州东南飞视科技有限公司
Abstract: 针对时序遥感影像具有描述地表时间及其空间变化特征的能力，本发明提出一种利用门控卷积‑长短记忆网络的时序影像重建方法。该网络基于生成对抗网络架构，首先利用时序影像训练一个特征提取模型，该模型采用门控卷积结合长短记忆网络，提取时序影像在时间和空间上的变化关系；然后，将人工生成结果和真实影像输入到分类器，判断输入是人工生成结果还是真实影像，通过二者的对抗训练，实现二者的协同优化；然后，将待重建的影像输入到生成器中，根据的有效部分，预测影像上的缺失部分，生成一张无缺失的影像。
-
公开(公告)号：CN112528914B
公开(公告)日：2022-04-22
申请号：CN202011510233.8
申请日：2020-12-19
Applicant: 东南数字经济发展研究院 , 衢州东南飞视科技有限公司
Abstract: 本发明提供了一种细节信息逐步融入的卫星影像全色增强方法，首先将全色影像分解成高通部分和低通部分，然后将全色增强视为超分辨率问题，通过在超分辨率过程中融入高通部分，实现遥感影像空间细节信息的保持。本发明的优点在于：利用频率分离技术提前分离PAN图像信息，充分利用了PAN图像中的细节信息；采用渐进式组合重建和自学习上采样的方法，实现空间特征与多光谱特征的多层次融合，处理后的图像结构空间细节信息丰富，空间细节信息融合充分，具有较好的增强效果，能够增强图像的空间分辨率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
