公开(公告)号：CN118015356B

公开(公告)日：2024-10-11

申请号：CN202410154380.8

申请日：2024-02-04

Applicant: 中国矿业大学

Inventor： 王浩宇 ,  刘晓敏 ,  乔振壮 ,  段天洋 ,  刘诺菲

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/30 ,  G06V10/40 ,  G06V10/58 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G01S17/86 ,  G01N21/25

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于高斯混合的变分动态融合网络的高光谱分类方法。首先，利用K近邻搜索构建两模态的多尺度空间图，并利用图卷积学习获得多尺度特征。提出基于高斯混合的空间拓扑约束，通过约束两模态的拓扑一致性，抑制光谱噪声干扰。然后，设计多尺度动态图聚合模块以捕获多尺度特征中可共享的类辨识信息，并通过挖掘适合当前样本的个性化融合模式提升模型对地物尺度变化的适应能力，实现对模态信息的充分挖掘。最后，推导了两模态联合分布的证据下界，构建了多模态VAE，通过优化证据下界建模多模态联合分布，学习模态间复杂的非线性关系，实现了多模态数据融合，提高了复杂场景下高光谱图像分类的精度。

公开(公告)号：CN117994581A

公开(公告)日：2024-05-07

申请号：CN202410154382.7

申请日：2024-02-04

Applicant: 中国矿业大学

Inventor： 王浩宇 ,  刘晓敏 ,  王雪松 ,  程玉虎 ,  乔振壮 ,  刘诺菲

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/58 ,  G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于焦点转移图网络的跨场景高光谱分类方法。首先，利用图采样和聚合通过聚合部分邻接节点来捕获空间光谱特征，确保上下文信息的获取。为了解决节点过度聚集带来的信息干扰，提出基于空间谱信息的邻居加权策略。其次，提出了一种基于类度量的伪标签修剪策略，以减少传输过程中伪标签噪声的不利影响。然后，提出了一种规范子域自适应模块，该模块在子域自适应过程中通过减小类内样本的特征距离并扩大类间样本的特征距离来实现有效的分布对齐。最后，利用焦点损失来帮助模型专注于难以分类的样本。

公开(公告)号：CN118015356A

公开(公告)日：2024-05-10

申请号：CN202410154380.8

申请日：2024-02-04

Applicant: 中国矿业大学

Inventor： 王浩宇 ,  刘晓敏 ,  乔振壮 ,  段天洋 ,  刘诺菲

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/82 ,  G06V10/80 ,  G06V10/30 ,  G06V10/40 ,  G06V10/58 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G01S17/86 ,  G01N21/25

Abstract: 本发明属于计算机视觉技术领域，公开了一种基于高斯混合的变分动态融合网络的高光谱分类方法。首先，利用K近邻搜索构建两模态的多尺度空间图，并利用图卷积学习获得多尺度特征。提出基于高斯混合的空间拓扑约束，通过约束两模态的拓扑一致性，抑制光谱噪声干扰。然后，设计多尺度动态图聚合模块以捕获多尺度特征中可共享的类辨识信息，并通过挖掘适合当前样本的个性化融合模式提升模型对地物尺度变化的适应能力，实现对模态信息的充分挖掘。最后，推导了两模态联合分布的证据下界，构建了多模态VAE，通过优化证据下界建模多模态联合分布，学习模态间复杂的非线性关系，实现了多模态数据融合，提高了复杂场景下高光谱图像分类的精度。