-
公开(公告)号：CN118735779A
公开(公告)日：2024-10-01
申请号：CN202410739941.0
申请日：2024-06-07
Applicant: 北京卫星信息工程研究所
IPC: G06T3/4053 , G06T5/77 , G06V10/44 , G06V10/74 , G06F17/18 , G06F17/16 , G06N3/0464 , G06N3/0455 , G06N3/048
Abstract: 本发明涉及一种基于光流运动的红外弱小目标超分辨率重建方法，包括：基于序列图像，得到红外弱小目标的初始特征，并进行增强，得到第一参考帧特征和第一邻域帧特征；将第一参考帧特征、第一邻域帧特征与参考帧和邻域帧两两组合形成4组第二特征，并进行运动补偿，得到2组第三特征；将第三特征分别和参考帧进行组合，最终形成2组第四特征，将2组第四特征输入到特征增强模块；将从特征增强模块输出的特征输入到基于softmax的特征匹配模块；将从特征匹配模块输出的特征和特征增强模块输出的一个特征输入到自关注模块；利用超分辨率重建模块，恢复红外弱小目标的细节信息。本发明，能够恢复大运动的小目标的精细结构，提高了峰值信噪比和结构相似度。
-
公开(公告)号：CN116485652B
公开(公告)日：2024-03-01
申请号：CN202310465820.7
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06T3/4053 , G06T3/4023 , G06T7/13 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/54 , G06N3/0464 , G06N3/048 , G06N3/082
Abstract: 本发明涉及一种遥感影像车辆目标检测的超分辨率重建方法，包括：构建不同场景下丰富的高分辨率遥感影像数据集，对所述高分辨率遥感影像数据集进行预处理；根据所述高分辨率遥感影像数据集得到对应的低分辨率遥感影像数据集，构建目标超分重建数据集；提取所述低分辨率遥感影像数据集中低分辨率遥感影像的边缘特征；构建超分辨率重建模型，利用所述目标超分重建数据集和所述边缘特征训练优化所述超分辨率重建模型；利用所述超分辨率重建模型对目标进行高分辨率恢复和重建。通过实施本发明的上述方案，有效解决车辆目标因呈现出弱小特性而导致其检测率较低的问题，有效改善目标
-
公开(公告)号：CN116450632A
公开(公告)日：2023-07-18
申请号：CN202310421521.3
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/215 , G06F16/29
Abstract: 本发明涉及一种地理样本数据质量评估方法、设备及存储介质，地理样本数据质量评估方法包括：分析多应用层级的地理人工智能样本数据的质量特征，建立多应用层级的样本数据质量指标体系；确定进行质量评估的地理人工智能样本数据集的特征与质量规范；确定进行质量评估的地理人工智能样本数据集的质量评估规范；执行地理人工智能样本数据质量评估，获取质量评估结果；基于质量评估结果，生成地理人工智能样本数据质量评估报告。本发明，能够满足像素级、目标级、场景级多应用层级的地理人工智能样本数据的质量评估需求，为地理人工智能样本数据的质量评估提供系统性参考，从而帮助提高样本数据的可靠性。
-
公开(公告)号：CN116486169B
公开(公告)日：2023-12-19
申请号：CN202310477115.9
申请日：2023-04-27
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V10/26 , G06V10/762 , G06F16/36 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及遥感图像目标动向判别方法，包括：S100，对遥感图像进行全景分割标注和目标行为动向标注，确定目标动向知识图谱；S200，基于遥感图像建立全景分割模型，以ResNet作为特征提取主干网络，并引入交叉注意力模块提取长距上下文信息；S300，根据全景分割网络中的实例分割分支对遥感图像进行实例级分割，根据全景分割网络中的语义分割分支对遥感图像进行语义级分割；S400，引入基于贝叶斯决策的分支融合模块，对实例分割分支和语义分割分支的结果进行决策融合，生成全景分割图像；S500，将全景分割图像进行像素聚类生成场景信息知识图谱；S600，根据图注意力网络，对场景信息知识图谱中的关注目标进行动向判别。本发明可推理遥感图像中目标的行为动向信息。
-
公开(公告)号：CN116450632B
公开(公告)日：2023-12-19
申请号：CN202310421521.3
申请日：2023-04-18
Applicant: 北京卫星信息工程研究所
IPC: G06F16/215 , G06F16/29
Abstract: 本发明涉及一种地理样本数据质量评估方法、设备及存储介质，地理样本数据质量评估方法包括：分析多应用层级的地理人工智能样本数据的质量特征，建立多应用层级的样本数据质量指标体系；确定进行质量评估的地理人工智能样本数据集的特征与质量规范；确定进行质量评估的地理人工智能样本数据集的质量评估规范；执行地理人工智能样本数据质量评估，获取质量评估结果；基于质量评估结果，生成地理人工智能样本数据质量评估报告。本发明，能够满足像素级、目标级、场景级多应用层级的地理人工智能样本数据的质量评估需求，为地理人工智能样本数据的质量评估提供系统性参考，从而帮助提高样本数据的可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115908908B
公开(公告)日：2023-09-15
申请号：CN202211425887.X
申请日：2022-11-14
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/22 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于图注意力网络的遥感图像聚集型目标识别方法及装置，所述方法包括：构建并训练基于Oriented R‑CNN的目标候选区域检测定位模型；采用训练好的基于Oriented R‑CNN的目标候选区域检测定位模型检测遥感图像中目标的候选区域，并提取对应的特征，根据所述候选区域的位置关系构建图结构数据集；将所述候选区域的位置编码引入图注意力网络，构建图节点分类网络模型；利用所述图结构数据集训练所述图节点分类网络模型，对遥感图像中目标的候选区域的特征进行聚合和更新，实现目标的分类。本发明可以对遥感图像中尺寸小、外观模糊的聚集型目标进行准确识别并提高识别精度。
-
公开(公告)号：CN116403007A
公开(公告)日：2023-07-07
申请号：CN202310390010.X
申请日：2023-04-12
Applicant: 北京卫星信息工程研究所
IPC: G06V10/74 , G06V10/62 , G06V10/82 , G06V20/10 , G06V10/766 , G06V10/764 , G06V10/80
Abstract: 本发明涉及一种基于目标向量的遥感影像变化检测方法，包括：使用向量对遥感序列影像进行样本标注；构建目标向量检测模型，将已标注的遥感序列影像输入所述目标向量检测模型进行训练；利用所述目标向量检测模型对同一区域不同时间的遥感影像中的所有目标进行检测，得到不同集合的目标向量；利用变化相似度算法计算不同集合中目标向量的相似度距离，获得目标的变化情况。通过实施本发明的上述方案，可以实现遥感影像中目标变化前后的高精度匹配和精细化的变化检测。
-
公开(公告)号：CN115908908A
公开(公告)日：2023-04-04
申请号：CN202211425887.X
申请日：2022-11-14
Applicant: 北京卫星信息工程研究所
IPC: G06V10/764 , G06V20/10 , G06V10/82 , G06V10/22 , G06V10/40 , G06V10/774 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于图注意力网络的遥感图像聚集型目标识别方法及装置，所述方法包括：构建并训练基于Oriented R‑CNN的目标候选区域检测定位模型；采用训练好的基于Oriented R‑CNN的目标候选区域检测定位模型检测遥感图像中目标的候选区域，并提取对应的特征，根据所述候选区域的位置关系构建图结构数据集；将所述候选区域的位置编码引入图注意力网络，构建图节点分类网络模型；利用所述图结构数据集训练所述图节点分类网络模型，对遥感图像中目标的候选区域的特征进行聚合和更新，实现目标的分类。本发明可以对遥感图像中尺寸小、外观模糊的聚集型目标进行准确识别并提高识别精度。
-
公开(公告)号：CN119445380A
公开(公告)日：2025-02-14
申请号：CN202411502090.4
申请日：2024-10-25
Applicant: 北京卫星信息工程研究所
Abstract: 本发明涉及一种基于遥感影像的建筑物智能提取方法：步骤S1、获取高分辨率数据集；步骤S2、设计基于编码‑解码结构的遥感影像建筑物语义分割网络，包括特征提取骨架网络和语义分割解码器；步骤S3、设计基于生成对抗网络的遥感影像建筑物DSM估计网络，包括DSM生成器和DSM判别器，DSM生成器包括DSM生成器编码器和DSM生成器解码器；步骤S4、设计特征融合与加强模块；步骤S5、设计损失函数；步骤S6、根据高分辨率数据集和损失函数，训练优化遥感影像建筑物智能提取网络；步骤S7、通过训练完成的遥感影像建筑物智能提取网络进行基于遥感影像的建筑物智能提取。本发明的方法解决了DSM获取代价昂贵的问题，有效改善提取遥感影像中的建筑物的性能。
-
公开(公告)号：CN116486265B
公开(公告)日：2023-12-19
申请号：CN202310468626.4
申请日：2023-04-26
Applicant: 北京卫星信息工程研究所
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/766 , G06V10/422 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明涉及一种基于目标分割与图分类的飞机细粒度识别方法，包括：构建并训练基于Mask R‑CNN的目标定位与分割模型，对遥感图像中的飞机目标进行检测与分割；对分割出的飞机目标掩膜通过轮廓提取和多边形拟合提取轮廓多边形，将轮廓多边形的线段作为节点，将线段的几何特征和线段对应部件的卷积特征作为节点属性，并根据线段间的空间关系构建图结构数据；构建融合几何特征和卷积特征的图卷积神经网络模型；利用所述图结构数据训练所述图卷积神经网络模型，对描述飞机形状特征和部件特征的图结构进行整图分类，实现飞机目标的细粒度识别。通过实施本发明的上述方案，通过综合利(56)对比文件US 2020285944 A1,2020.09.10US 2022343537 A1,2022.10.27瑚敏君 等.基于实例分割模型的建筑物自动提取《.测绘通报》.2020,(第4期),第16-20页.
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.026 seconds)
