-
公开(公告)号：CN120070219A
公开(公告)日：2025-05-30
申请号：CN202510144126.4
申请日：2025-02-10
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于边缘特征注意力融合的水下图像增强方法及系统，包括水下图像的多层次特征提取；通过边缘检测工具提取水下图像的边缘信息，并通过注意力机制将边缘信息与多层次特征进行融合，得到重新分配后的加权特征；将多层次特征和加权特征进行融合，生成增强后的水下图像；通过比较增强后的水下图像与水下图像，计算二者的视觉差异损失和对比度损失；利用损失函数对水下图像增强模型进行训练，得到基于边缘特征注意力融合的水下图像增强模型。本发明通过结合感知优化、结构优化和异常优化提升图像增强效果，感知优化提升图像的语义和视觉感知质量，结构优化增强图像的全局结构信息和局部对比度，异常优化减少异常值对图像的影响。
-
公开(公告)号：CN119888303A
公开(公告)日：2025-04-25
申请号：CN202411771135.8
申请日：2024-12-04
Applicant: 中国自然资源航空物探遥感中心 , 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/44 , G06V10/25 , G06V20/13 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种岩性场景分类方法、系统及存储介质，涉及图像处理技术领域，所述方法包括：对检测区域的多遥感影像进行特征提取，得到多个遥感影像特征，其中，遥感影像特征包括空间特征和光谱特征；对空间特征和光谱特征进行自适应学习，生成邻接矩阵；通过图卷积网络，根据邻接矩阵中的节点之间的信息，对遥感影像特征进行更新，得到遥感影像特征对应的全局‑局部特征；通过对比学习模型，对全局‑局部特征进行对比学习，得到优化后的最终特征；对最终特征进行特征融合与分类处理，得到检测区域的岩性场景分类结果。本发明有效地对遥感影像中特征分布接近的岩性类别进行分类，并提高岩性类别的分类精度。
-
公开(公告)号：CN117173548B
公开(公告)日：2024-04-02
申请号：CN202311009262.X
申请日：2023-08-10
Applicant: 中国自然资源航空物探遥感中心 , 中国地质大学(武汉)
IPC: G06V20/05 , G06V10/764 , G06V10/77 , G06V10/40 , G06V10/30 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464 , G06N3/048
Abstract: 本发明提供了一种海底地貌智能分类模型构建方法、装置及分类方法，涉及图像处理技术领域，所述海底地貌智能分类模型构建方法包括：获取原始海域的多波束数据；对所述原始海域的多波束数据进行预处理，得到原始反向散射数据和原始地貌类别标签数据；根据所述原始反向散射数据和所述原始地貌类别标签数据对原始分类模型进行训练并调优，得到海底地貌分类模型；其中，所述原始分类模型基于改进的标签平滑交叉熵损失函数和剪枝型密集连接网络构建，所述海底地貌分类模型用于预测海域的海底地形地貌类别。解决了在海底地貌分类过程中，如何深层次地提取出海底地貌特征，同时提高地貌特征的表征能力的问题。
-
公开(公告)号：CN116168295B
公开(公告)日：2023-12-05
申请号：CN202310163603.2
申请日：2023-02-24
Applicant: 中国地质大学(武汉)
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/082
Abstract: 本发明提供了一种岩性遥感智能解译模型建立方法及解译方法，所述建立方法包括：获取研究区的地质岩性数据和遥感影像，将所述地质岩性数据和所述遥感影像作为数据集；对所述数据集进行预处理，根据预处理后的数据集确定训练集；根据所述训练集训练初始模型，以构建岩性遥感智能解译模型，所述初始模型包括先验分支、遥感分支以及上采样模块，所述先验分支和所述遥感分支均包括残差神经网络和基于密集连接的空间池化注意力金字塔网络。本发明采用残差神经网络提升深度特征的提取能力，同时应用基于密集连接的空间池化注意力金字塔网络(56)对比文件赵欣;石德来;王洪凯.基于3D全卷积深度神经网络的脑白质病变分割方法.计算机与现代化.2020,(10),48-54.乔文凡;慎利;戴延帅;曹云刚.联合膨胀卷积残差网络和金字塔池化表达的高分影像建筑物自动识别.地理与地理信息科学.2018,(05),62-68.
-
公开(公告)号：CN116933091A
公开(公告)日：2023-10-24
申请号：CN202311203712.9
申请日：2023-09-19
Applicant: 中国地质大学(武汉)
IPC: G06F18/214 , G06F18/213 , G06F18/22 , G06F18/2411 , G06N3/048 , G06N3/08 , G06Q50/26
Abstract: 本发明提供了一种滑坡易发性预测方法及装置。该方法包括：获取环境因子中的致灾因子矢量或栅格文件，根据所述致灾因子矢量或所述栅格文件得到规范栅格单元集；根据所述规范栅格单元集分别构建PU‑bagging滑坡易发性预测网络和相似性度量损失滑坡易发性预测网络；根据所述PU‑bagging滑坡易发性预测网络，得到基于bagging的校正前滑坡易发性预测概率分数；根据所述相似性度量损失滑坡易发性预测神经网络，得到校正预测分数；根据所述校正前滑坡易发性预测概率分数和所述校正预测分数，得到最终预测概率分数；对所述最终预测概率分数利用自然断点法得到滑坡易发性预测评价结果。本技术方案的有益效果是：提高了滑坡易发性预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116721301B
公开(公告)日：2023-10-24
申请号：CN202310999943.9
申请日：2023-08-10
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。
-
公开(公告)号：CN116740410A
公开(公告)日：2023-09-12
申请号：CN202310434291.4
申请日：2023-04-21
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种双模态目标检测模型构建方法、检测方法及计算机设备，涉及目标检测技术领域，包括：根据原始图像获取双模态图像；通过神经网络模块提取双模态图像的特征，得到初始双模态特征，并利用特征互补模块对双模态图像进行处理得到植被归一化指数；将初始双模态特征发送给特征互补模块，令特征互补模块利用植被归一化指数对初始双模态特征进行特征增强；将中间双模态特征输入图卷积模块得到图卷积双模态特征、第一预测结果和第二预测结果；将第一预测结果和第二预测结果输入超像素掩膜模块生成最终损失；根据最终损失对神经网络模块、特征互补模块和图卷积模块进行参数优化，得到双模态目标检测模型。本发明实现了增加目标检测精度。
-
公开(公告)号：CN116721301A
公开(公告)日：2023-09-08
申请号：CN202310999943.9
申请日：2023-08-10
Applicant: 中国地质大学(武汉)
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V10/52 , G06V10/82 , G06V20/10 , G06N3/0464 , G06N3/048 , G06N3/045
Abstract: 本发明涉及图像处理技术领域，具体而言，涉及一种目标场景分类模型训练方法、分类方法、设备及存储介质。一种目标场景分类模型训练方法，包括：对遥感图像信息进行特征提取并生成融合特征；对融合特征和遥感图像信息分别提取边缘信息，并将提取的边缘信息进行融合得到增强边缘特征；将增强边缘特征和融合特征进行融合，得到边缘融合特征；将边缘融合特征进行通道特征加强，得到加强边缘融合特征；将加强边缘融合特征和对应的标签特征进行融合，得到遥感图像综合特征；将遥感图像综合特征特征输入分类器进行训练，得到目标场景分类模型。本发明的技术方案提高了目标场景分类模型对矿山目标场景的分类精度。
-
公开(公告)号：CN116645505A
公开(公告)日：2023-08-25
申请号：CN202310530344.2
申请日：2023-05-12
Applicant: 中国地质大学(武汉)
IPC: G06V10/26 , G06V10/40 , G06V20/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，提供一种基于多尺度和级联的神经网络遥感影像语义分割方法，包括：获取待处理遥感影像；将待处理遥感影像输入构建好的语义分割网络，输出语义分割结果；语义分割网络包括编码网络、特征增强模块、解码网络、语义分割模块；其中，编码网络包括卷积块和多个多尺度特征提取模块；特征增强模块包括多个信道激活模块；解码网络为多个卷积块、多个反卷积块以及多个跨层特征选择模块通过多重级联方式构成；语义分割模块包括多尺度物体引导模块和语义分割头。本发明的语义分割网络获取特征中具有代表性和区分度的特征，采用级联方式的解码网络对特征逐层解码，增强解码网络的语义理解能力，提高了遥感影像语义分割的精确度。
-
公开(公告)号：CN112556659B
公开(公告)日：2022-01-04
申请号：CN202011345012.X
申请日：2020-11-26
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种单光子激光雷达水下光子位移校正、测深方法及装置，涉及海洋测绘技术领域，包括：获取单光子激光雷达发射光子的指向角、单光子激光雷达发射光子返回的水面光子信号和水底光子信号的坐标；根据水面光子信号进行海浪波拟合，确定海浪波模型；根据任意一个水底光子的坐标、指向角和海浪波模型，确定光子与水气界面的交点；根据交点、海浪波模型和指向角确定光子的水下位移误差；根据水下位移误差对水底光子信号的坐标进行校正。本发明通过水面光子信号进行海浪波建模并确定光子与水气界面交点。通过光子传播路径的空间结构关系确定水下光子位移误差。本发明有效避免海浪波引起的折射和光子速度变化导致的位移，提高数据准确性。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.026 seconds)
