-
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：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。
-
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：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。
-
Patent Agency Ranking
公开(公告)号：CN111415295B
公开(公告)日：2024-01-12
申请号：CN202010186067.4
申请日：2020-03-17
Applicant: 东南数字经济发展研究院
IPC: G06T3/067 , G06T7/70 , G06T17/00 , H04N23/698
Abstract: 一种倾斜摄影三维模型的拍摄分辨率正射图生成方法，能够从任意三维模型中生成拍摄分辨率正摄图。该方法包括以下步骤：首先，利用三维软件将照片生成为三维模型和记录相机参数的XML文件；其次，对生成的三维模型的大小进行测量，将测量得到的模型长宽高数据保存；然后，利用三维模型、XML文件、模型长宽高数据计算三维模型的分辨率；最后，利用计算得到分辨率生成正摄图。本方法的优点是能够自动从由倾斜摄影照片建模的三维模型中生成拍摄分辨率正摄图，最为重要的是生成的正摄图精度高，为技术人员评估模型的可靠性、精确性、可用性提供了有力保证。(56)对比文件US 5825364 A,1998.10.20CN 110006407 A,2019.07.12CN 108537885 A,2018.09.14CN 109520479 A,2019.03.26
-
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：CN111523493A
公开(公告)日：2020-08-11
申请号：CN202010341674.3
申请日：2020-04-27
Applicant: 东南数字经济发展研究院
Abstract: 本发明提供了一种针对雾天影像的目标检测方法，它解决了现有技术对雾天影像目标检测模型识别准确率不高和操作步骤繁杂的问题。其方法包括：S1:采集雾天和非雾天的图像数据；S2:训练去雾模型；S3：训练目标检测模型；S4:将去雾模型的输出和原始图片进行融合，并利用降维模块对数据降维，输入到目标检测模型中，并对去雾模型和目标检测模型进行微调，成为端到端的针对雾天影像的目标检测模型。本发明具有以下优点：识别准确率高，识别步骤便利，端到端识别。
-
公开(公告)号：CN111415296A
公开(公告)日：2020-07-14
申请号：CN202010186098.X
申请日：2020-03-17
Applicant: 东南数字经济发展研究院
IPC: G06T3/00
Abstract: 一种无人机倾斜摄影的地面分辨率计算方法，能够从任意无人机拍摄的倾斜摄影照片中计算地面分辨率。该方法包括以下步骤：首先，利用三维软件将照片生成为三维模型和记录相机参数的XML文件；其次，利用三维模型、XML文件对倾斜摄影照片进行投影转换；最后，利用投影转换结果和分辨率计算公式计算地面分辨率。本方法的优点是能够自动从倾斜摄影照片中自动化计算地面分辨率，最为重要的是计算的分辨率精度高，为技术人员判断照片精确度提供了有力的数据。
-
公开(公告)号：CN111415295A
公开(公告)日：2020-07-14
申请号：CN202010186067.4
申请日：2020-03-17
Applicant: 东南数字经济发展研究院
Abstract: 一种倾斜摄影三维模型的拍摄分辨率正射图生成方法，能够从任意三维模型中生成拍摄分辨率正摄图。该方法包括以下步骤：首先，利用三维软件将照片生成为三维模型和记录相机参数的XML文件；其次，对生成的三维模型的大小进行测量，将测量得到的模型长宽高数据保存；然后，利用三维模型、XML文件、模型长宽高数据计算三维模型的分辨率；最后，利用计算得到分辨率生成正摄图。本方法的优点是能够自动从由倾斜摄影照片建模的三维模型中生成拍摄分辨率正摄图，最为重要的是生成的正摄图精度高，为技术人员评估模型的可靠性、精确性、可用性提供了有力保证。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.153 seconds)
