-
公开(公告)号：CN106997380A
公开(公告)日：2017-08-01
申请号：CN201710168022.2
申请日：2017-03-21
Applicant: 北京工业大学
CPC classification number: G06F16/5838 , G06F21/602 , G06T1/0021
Abstract: 基于DCGAN深度网络的成像光谱图像安全检索方法属于成像光谱图像领域。本发明利用DCGAN深度网络实现对成像光谱图像特征的高度表达，提出一种新的加密域成像光谱图像安全检索方法。首先利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)联合提取成像光谱图像的深度光谱‑空间特征，精准地表征成像光谱图像内容；同时为了保障遥感图像检索过程中的安全性，基于加密后特征相似度不变的准则，采用最小哈希(Min‑Hash)方法对深度特征进行加密，实现对深度特征的保护；最后在不解密的情况下，通过比较最小哈希值相等个数直接对图像特征进行Jaccard相似性距离度量，返回与查询图像相似的图像，在实现检索的同时，保障信息的安全性。
-
-
公开(公告)号：CN106909924B
公开(公告)日：2020-08-28
申请号：CN201710087670.5
申请日：2017-02-18
Applicant: 北京工业大学
Abstract: 一种基于深度显著性的遥感影像快速检索方法属于计算机视觉领域，具体涉及深度学习、显著性目标检测和图像检索等技术。本发明以遥感影像为研究对象，利用深度学习技术，研究了一种遥感影像的快速检索方法。首先采用全卷积神经网络构建多任务显著性目标检测模型，该模型同时进行显著性检测任务和语义分割任务，在网络预训练过程中学习遥感影像的深度显著性特征。然后改进深度网络结构，加入哈希层微调网络，学习得到遥感影像的二进制哈希码。最后综合利用显著性特征和哈希码进行相似性度量。本发明对于实现遥感影像准确、高效检索切实可行并具有重要应用价值。
-
Patent Agency Ranking
-
公开(公告)号：CN104915636A
公开(公告)日：2015-09-16
申请号：CN201510178609.2
申请日：2015-04-15
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多级框架显著性特征的遥感影像道路识别方法，涉及图像处理领域，具体涉及遥感处理识别领域。本发明方法充分利用遥感影像中道路的光谱、物理以及形态特征，对传统的显著性特征进行改进，提出遥感影像的光谱差异和局部线性两种显著性特征，同时，对所提取的道路网络进行近一步分析，得出该路段所属类型。首先提取遥感影像的显著性特征，并将光谱差异和局部线性两种特征进行融合，建立多级框架显著图，然后采取RPS方法、MAT方法等对道路网络进行优化，近一步消除非道路区域，最后提取道路网络的特征，并采用增量学习方法对道路进行分类，实现多级框架显著性特征的遥感影像道路识别。本发明提升了遥感图像的道路识别率。
-
公开(公告)号：CN106997380B
公开(公告)日：2019-07-12
申请号：CN201710168022.2
申请日：2017-03-21
Applicant: 北京工业大学
IPC: G06F16/583 , G06F21/60 , G06T1/00
Abstract: 基于DCGAN深度网络的成像光谱图像安全检索方法属于成像光谱图像领域。本发明利用DCGAN深度网络实现对成像光谱图像特征的高度表达，提出一种新的加密域成像光谱图像安全检索方法。首先利用深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Network,DCGAN)联合提取成像光谱图像的深度光谱‑空间特征，精准地表征成像光谱图像内容；同时为了保障遥感图像检索过程中的安全性，基于加密后特征相似度不变的准则，采用最小哈希(Min‑Hash)方法对深度特征进行加密，实现对深度特征的保护；最后在不解密的情况下，通过比较最小哈希值相等个数直接对图像特征进行Jaccard相似性距离度量，返回与查询图像相似的图像，在实现检索的同时，保障信息的安全性。
-
公开(公告)号：CN104915636B
公开(公告)日：2019-04-12
申请号：CN201510178609.2
申请日：2015-04-15
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多级框架显著性特征的遥感影像道路识别方法，涉及图像处理领域，具体涉及遥感处理识别领域。本发明方法充分利用遥感影像中道路的光谱、物理以及形态特征，对传统的显著性特征进行改进，提出遥感影像的光谱差异和局部线性两种显著性特征，同时，对所提取的道路网络进行近一步分析，得出该路段所属类型。首先提取遥感影像的显著性特征，并将光谱差异和局部线性两种特征进行融合，建立多级框架显著图，然后采取RPS方法、MAT方法等对道路网络进行优化，近一步消除非道路区域，最后提取道路网络的特征，并采用增量学习方法对道路进行分类，实现多级框架显著性特征的遥感影像道路识别。本发明提升了遥感图像的道路识别率。
-
公开(公告)号：CN106909924A
公开(公告)日：2017-06-30
申请号：CN201710087670.5
申请日：2017-02-18
Applicant: 北京工业大学
Abstract: 一种基于深度显著性的遥感影像快速检索方法属于计算机视觉领域，具体涉及深度学习、显著性目标检测和图像检索等技术。本发明以遥感影像为研究对象，利用深度学习技术，研究了一种遥感影像的快速检索方法。首先采用全卷积神经网络构建多任务显著性目标检测模型，该模型同时进行显著性检测任务和语义分割任务，在网络预训练过程中学习遥感影像的深度显著性特征。然后改进深度网络结构，加入哈希层微调网络，学习得到遥感影像的二进制哈希码。最后综合利用显著性特征和哈希码进行相似性度量。本发明对于实现遥感影像准确、高效检索切实可行并具有重要应用价值。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
