-
公开(公告)号：CN112348042B
公开(公告)日：2022-09-30
申请号：CN201910728022.2
申请日：2019-08-08
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 一种基于改进YOLOv3的红外目标检测方法，使用Darknet‑53作为网络检测框架，移除网络检测框架与预测模块之间的卷积层，加入多尺度融合预测，利用残差层融合低级特征的重复块。在重复块的底部加入注意力模块，在重复块之间加入残差金字塔过渡网络，重复块的通道数随重复次数递增。本发明具有针对红外图像的目标检测时提取特征能力和信息过渡水平都较好的特点。
-
公开(公告)号：CN112348042A
公开(公告)日：2021-02-09
申请号：CN201910728022.2
申请日：2019-08-08
Applicant: 中国人民解放军火箭军工程大学
IPC: G06K9/62
Abstract: 一种基于改进YOLOv3的红外目标检测方法，使用Darknet‑53作为网络检测框架，移除网络检测框架与预测模块之间的卷积层，加入多尺度融合预测，利用残差层融合低级特征的重复块。在重复块的底部加入注意力模块，在重复块之间加入残差金字塔过渡网络，重复块的通道数随重复次数递增。本发明具有针对红外图像的目标检测时提取特征能力和信息过渡水平都较好的特点。
-
公开(公告)号：CN113283482A
公开(公告)日：2021-08-20
申请号：CN202110528831.6
申请日：2021-05-14
Applicant: 中国人民解放军火箭军工程大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多核机器学习的不平衡高光谱图像分类方法，包括以下步骤：1)获取原始样本，通过原始样本构建原始训练集X，得原始训练集X的Gram矩阵；2)根据原始训练集X的Gram矩阵计算扩展合成Gram矩阵Km；3)根据扩展合成Gram矩阵Km构建多核模型，然后基于多核模型，计算MKLMO目标函数，得最优内核函数权系数及拉格朗日乘子4)将最优内核函数权系数及拉格朗日乘子代入到决策函数中，将待分类样本代入决策函数中，得待分类样本的类别，完成基于多核机器学习的不平衡高光谱图像分类，该方法对样本特性的适应能力较强，分类效果优异。
-
公开(公告)号：CN113284045A
公开(公告)日：2021-08-20
申请号：CN202110550369.X
申请日：2021-05-20
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明涉及高光谱图像领域，公开基于迁移学习和光谱恢复的HSI超分辨重建方法及相关设备，用于通过机器学习模型实现从低分辨高光谱图像预测HSI，方法包括：获取高光谱图像集训练集和彩色图像训练集；根据高光谱图像集训练集进行光谱下采样得到多光谱图像集；根据彩色图像训练集对预设迁移学习模型进行训练，得到空间超分辨模型，并对空间超分辨模型进行调优，得到目标空间超分辨模型；根据低分辨率多光谱图像集和低分辨率高光谱图像集，对预设深度学习模型进行训练，得到目标光谱超分辨模型；获取待重建的低分辨率高光谱图像，基于目标空间超分辨模型及目标光谱超分辨模型分别进行迁移学习与光谱恢复处理，得到对应的高分辨率高光谱图像。
-
公开(公告)号：CN112907473B
公开(公告)日：2023-11-24
申请号：CN202110189628.0
申请日：2021-02-19
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于多核投影NMF的快速高光谱图像像元解混方法，包括以下步骤：1)构建多核模型，初始化核函数的权系数β＝[β1 β2 L βm]；2)利用PCA方法确定端元的个数，同时利用VCA方法初始化基矩阵W；3)根据基矩阵W更新核函数的权系数β；4)更新多核模型K；5)更新基矩阵W；6)当满足最大迭代次数或者满足收敛阈值时，则将当前的基矩阵W作为分解后的基矩阵，完成基于多核投影NMF的快速高光谱图像像元解混；否则，则转至步骤3)，该方法能够较为准确的实现高光谱图像像元解混，且处理时间较短。
-
Patent Agency Ranking
公开(公告)号：CN113269677A
公开(公告)日：2021-08-17
申请号：CN202110550137.4
申请日：2021-05-20
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明涉及高光谱图像领域，公开基于无监督学习的HSI超分辨重建方法及相关设备，用于实现无监督的HSI超分辨重建，方法包括：获取图像训练集，对预设生成对抗模型中的生成器模块进行图像退化的无监督训练，得到低分辨仿真图像生成器，并根据所述仿真低分辨率图像与真实低分辨率图像的映射关系，对预设生成对抗模型中的判别器模块进行判别真假的无监督训练，得到所述图像判别器；构建成对的模型训练集，基于所述仿真低分辨率图像及与其对应高分辨率图像之间的映射关系，对预设深度学习模型采用端到端的有监督学习方式，得到面向HSI的超分辨重建模型；获取待重建的低分辨高光谱图像，基于所述面向HSI的超分辨重建模型得到预测的高分辨高光谱图像。
-
公开(公告)号：CN112907473A
公开(公告)日：2021-06-04
申请号：CN202110189628.0
申请日：2021-02-19
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种基于多核投影NMF的快速高光谱图像像元解混方法，包括以下步骤：1)构建多核模型，初始化核函数的权系数β＝[β1 β2 L βm]；2)利用PCA方法确定端元的个数，同时利用VCA方法初始化基矩阵W；3)根据基矩阵W更新核函数的权系数β；4)更新多核模型K；5)更新基矩阵W；6)当满足最大迭代次数或者满足收敛阈值时，则将当前的基矩阵W作为分解后的基矩阵，完成基于多核投影NMF的快速高光谱图像像元解混；否则，则转至步骤3)，该方法能够较为准确的实现高光谱图像像元解混，且处理时间较短。
-
公开(公告)号：CN112906564A
公开(公告)日：2021-06-04
申请号：CN202110189629.5
申请日：2021-02-19
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本发明公开了一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，包括构建特征库及推理机；构建特征库的具体过程为：11)对SAR图像中的目标进行分割检测；12)对SAR图像进行目标虚警剔除及目标的标定；13)构建基于高斯差模型的多尺度空间；14)取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；构建推理机的具体过程为：21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；22)构建多尺度多核支持向量分类器；23)对多尺度多核支持向量分类器进行训练及测试，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机，该方法能够实现对SAR图像的自动目标识别。
-
公开(公告)号：CN111861885B
公开(公告)日：2024-05-24
申请号：CN202010681637.7
申请日：2020-07-15
Applicant: 中国人民解放军火箭军工程大学
IPC: G06T3/4053 , G06T7/11 , G06N3/0455 , G06N3/088 , G06V10/762
Abstract: 本发明公开了一种用于高光谱超分辨率重建的超像素稀疏表示方法，包括以下步骤：利用分割算法聚类MSI像素生成超像素，其中，超像素为同质像素的集合，再分别从HSI和MSI学习光谱特征及比例信息；然后采用联合稀疏正则化在学习的光谱特征上分解MSI超像素获取系数信息，最后利用学习的光谱特征及系数信息生成高分辨率的高光谱图像，完成用于高光谱超分辨率重建的超像素稀疏表示，该方法能够更好的实现高光谱超分辨率图像的重构。
-
公开(公告)号：CN112906564B
公开(公告)日：2022-10-04
申请号：CN202110189629.5
申请日：2021-02-19
Applicant: 中国人民解放军火箭军工程大学
IPC: G06V20/20 , G06V10/26 , G06V10/46 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，包括构建特征库及推理机；构建特征库的具体过程为：11)对SAR图像中的目标进行分割检测；12)对SAR图像进行目标虚警剔除及目标的标定；13)构建基于高斯差模型的多尺度空间；14)取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；构建推理机的具体过程为：21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；22)构建多尺度多核支持向量分类器；23)对多尺度多核支持向量分类器进行训练及测试，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机，该方法能够实现对SAR图像的自动目标识别。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.058 seconds)
