-
公开(公告)号：CN112084843A
公开(公告)日：2020-12-15
申请号：CN202010735133.9
申请日：2020-07-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于半监督学习的多光谱河道遥感监测方法，实现对于多光谱河道遥感图像中的河流区域的识别与河道宽度监测的任务。基于多光谱遥感图像的光谱信息，发明一种基于半监督学习的目标区域分类方法，以及基于集成学习的目标区域分类结果融合方法。该方法通过对于多光谱遥感图像进行基于对称卷积神经网络的特征提取，并基于半监督学习和集成学习实现多光谱遥感图像的区域分类识别任务。最后基于计算机视觉设计理念，实现了河道宽度的自动测量监测。
-
公开(公告)号：CN119851137A
公开(公告)日：2025-04-18
申请号：CN202510044097.4
申请日：2025-01-10
Applicant: 北京工业大学
Inventor： 魏之皓
Abstract: 本发明公开了一种基于多模态语义学习的农田地膜遥感提取方法，多模态语义学习模型由粗颗粒度特征提取模块、中颗粒度特征提取模块、细颗粒度特征提取模块、多光谱遥感影像的多级颗粒度特征融合模块、合成孔径雷达遥感影像的多级颗粒度特征融合模块、多模态遥感影像的特征融合模块、农田地膜的识别模块；设定多模态语义学习模型的多模态遥感影像输入尺寸：多模态语义学习模型采用多光谱遥感影像样本集A、合成孔径雷达遥感影像样本集B作为多光谱遥感影像输入和合成孔径雷达遥感影像输入；针对农田地膜在农田尺度和田间尺度上不同的影像纹理特点，提取和融合不同颗粒度级别的多模态遥感影像特征信息，实现从多模态的遥感影像中提取农田地膜的过程。
-
公开(公告)号：CN112084843B
公开(公告)日：2024-03-12
申请号：CN202010735133.9
申请日：2020-07-28
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于半监督学习的多光谱河道遥感监测方法，实现对于多光谱河道遥感图像中的河流区域的识别与河道宽度监测的任务。基于多光谱遥感图像的光谱信息，发明一种基于半监督学习的目标区域分类方法，以及基于集成学习的目标区域分类结果融合方法。该方法通过对于多光谱遥感图像进行基于对称卷积神经网络的特征提取，并基于半监督学习和集成学习实现多光谱遥感图像的区域分类识别任务。最后基于计算机视觉设计理念，实现了河道宽度的自动测量监测。
-
公开(公告)号：CN119851138A
公开(公告)日：2025-04-18
申请号：CN202510044098.9
申请日：2025-01-10
Applicant: 北京工业大学
Inventor： 魏之皓
IPC: G06V20/10 , G06V10/40 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于对比学习的覆膜农田遥感识别方法，实现覆膜农田遥感识别。对比学习模型结构共包含四个模块，分别是多源遥感影像的共性特征提取模块、多光谱遥感影像的个性特征提取模块、合成孔径雷达遥感影像的个性特征提取模块，以及特征融合识别模块组成；该方法能够从包括多光谱遥感影像和合成孔径雷达遥感影像在内的多源遥感影像中有效提炼共性特征信息与个性特征信息，并通过信息融合最终得到覆膜农田遥感识别结果。本发明充分利用了多源遥感影像数据的特点，并开展了对比学习模型结构设计，实现智能化的覆膜农田遥感识别，提升农田覆膜监测的自动化与准确性，为我国绿色农业发展提供了技术支撑。
-
公开(公告)号：CN106503649B
公开(公告)日：2019-06-07
申请号：CN201610917977.9
申请日：2016-10-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于计算机视觉的短波信号检测识别方法，根据短波信号的时频矩阵特征与机器学习的分类器构建过程，发明一种基于计算机视觉的短波信号检测与判别方法，相比于传统的基于人工方式的信号检测判别方式与其他已有的信号检测判别方法，本方法可实现计算机对短波信号的自动化检测与识别，同时较其他的信号检测判别方法，对信号所处的噪声环境要求更低，适用于噪声低至0dB的信道环境。通过在不同信道条件下进行了大量实际数据测试，短波信号的检测判别正确率均在90％以上。
-
Patent Agency Ranking
公开(公告)号：CN112084842B
公开(公告)日：2024-06-21
申请号：CN202010735037.4
申请日：2020-07-28
Applicant: 北京工业大学
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于深度语义模型的目标识别方法，实现对于水文遥感图像中的水体区域进行自动标注识别。基于水文遥感图像光谱特性，发明一种引入深度语义模型的水文遥感图像语义特征提取方法，以及引入K‑means聚类的语义空间距离度量方法，最后基于所提出的自适应分割网络结构，实现水文遥感图像的水体区域分割识别。该方法通过对于水文遥感图像进行基于人工神经网络的深度语义模型的语义特征提取，并基于语义空间度量方法选择语义空间距离最近的最优自适应分割网络模型，最终实现对于水文遥感图像中水体区域的自动识别标注。
-
公开(公告)号：CN106503649A
公开(公告)日：2017-03-15
申请号：CN201610917977.9
申请日：2016-10-20
Applicant: 北京工业大学
CPC classification number: G06K9/0053 , G06K9/00536 , G06K9/6269
Abstract: 本发明公开了一种基于计算机视觉的短波信号检测识别方法，根据短波信号的时频矩阵特征与机器学习的分类器构建过程，发明一种基于计算机视觉的短波信号检测与判别方法，相比于传统的基于人工方式的信号检测判别方式与其他已有的信号检测判别方法，本方法可实现计算机对短波信号的自动化检测与识别，同时较其他的信号检测判别方法，对信号所处的噪声环境要求更低，适用于噪声低至0dB的信道环境。通过在不同信道条件下进行了大量实际数据测试，短波信号的检测判别正确率均在90％以上。
-
公开(公告)号：CN112084842A
公开(公告)日：2020-12-15
申请号：CN202010735037.4
申请日：2020-07-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度语义模型的目标识别方法，实现对于水文遥感图像中的水体区域进行自动标注识别。基于水文遥感图像光谱特性，发明一种引入深度语义模型的水文遥感图像语义特征提取方法，以及引入K‑means聚类的语义空间距离度量方法，最后基于所提出的自适应分割网络结构，实现水文遥感图像的水体区域分割识别。该方法通过对于水文遥感图像进行基于人工神经网络的深度语义模型的语义特征提取，并基于语义空间度量方法选择语义空间距离最近的最优自适应分割网络模型，最终实现对于水文遥感图像中水体区域的自动识别标注。
-
公开(公告)号：CN106650605B
公开(公告)日：2019-10-08
申请号：CN201610918338.4
申请日：2016-10-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于机器学习的Morse信号自动检测译码方法。该方法通过对信号时频图中的代表性特征进行提取和比对，实现在包含多类型信号的信道中，对Morse信号的自动检测译码。同时通过引入码文中三类字符长度的聚类，提高了传统的Morse译码方法准确率较低的人工发报码文的译码准确率。通过不同信道环境的实际测试，本发明方法的Morse自动检测正确率保持在95％以上，自动译码准确率保持在80％以上，单个Morse信号的平均处理延迟稳定在0.25秒内，整个Morse检测译码方法具有高时效性。
-
公开(公告)号：CN106650605A
公开(公告)日：2017-05-10
申请号：CN201610918338.4
申请日：2016-10-20
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于机器学习的Morse信号自动检测译码方法。该方法通过对信号时频图中的代表性特征进行提取和比对，实现在包含多类型信号的信道中，对Morse信号的自动检测译码。同时通过引入码文中三类字符长度的聚类，提高了传统的Morse译码方法准确率较低的人工发报码文的译码准确率。通过不同信道环境的实际测试，本发明方法的Morse自动检测正确率保持在95％以上，自动译码准确率保持在80％以上，单个Morse信号的平均处理延迟稳定在0.25秒内，整个Morse检测译码方法具有高时效性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
