公开(公告)号：CN116309227A

公开(公告)日：2023-06-23

申请号：CN202310290121.3

申请日：2023-03-23

Applicant: 北京理工大学 ,  北京吉威数源信息技术有限公司

Inventor： 李伟 ,  熊璋玺 ,  刘娜 ,  王楠 ,  孙志伟 ,  程锟锟

IPC: G06T5/50 ,  G06N3/0464 ,  G06N3/088

Abstract: 本发明公开了基于残差网络与空间注意力机制的遥感图像融合方法，包括以下步骤：S1：对采集到的全色图像与多光谱图像进行大气校正、辐射校正、配准，将配准后的图像进行裁剪，并分为训练集与测试集；S2：构建无监督融合网络框架；S3：设计同时能约束融合图像光谱损失与空间损失的损失函数；S4：对损失函数进行训练与测试，将原始多光谱与全色图像输入进无监督融合网络进行训练，循环迭代，并根据目标图像需求分配不同损失函数权重，对网络进行优化，保存训练模型；S5：调用训练模型，对测试图像进行测试，得到融合的高空间分辨率多光谱图像；能够直接在原始待融合图像上进行训练，避免制造模拟退化数据集问题。

公开(公告)号：CN116309069A

公开(公告)日：2023-06-23

申请号：CN202310294216.2

申请日：2023-03-23

Applicant: 北京理工大学 ,  北京吉威数源信息技术有限公司

Inventor： 刘娜 ,  李伟 ,  陶然 ,  熊璋玺 ,  黎珂 ,  孙志伟

IPC: G06T3/40 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06V10/80

Abstract: 本发明公开了一种基于多源融合的星载光谱遥感图像超分辨率重构方法，包括：构建基于多尺度双残差融合结构模块的光谱遥感图像超分辨率网络；制备用于训练光谱遥感图像超分辨率网络的多源成对训练数据集，并对其进行训练；通过训练完成所得到的基于多尺度双残差融合结构的光谱遥感图像超分辨率网络对光谱遥感图像进行超分辨率重构。本发明的优点是：改善超分辨率效果，为超分辨率高光谱图像提供丰富的纹理细节信息，用以对实际应用中的低分辨率遥感图像进行空间质量改善。

公开(公告)号：CN119338663A

公开(公告)日：2025-01-21

申请号：CN202411360201.2

申请日：2024-09-27

Applicant: 北京理工大学

Inventor： 王楠 ,  仵庆熹 ,  熊璋玺

IPC: G06T1/20 ,  G06F17/16 ,  G06F17/18 ,  G06N3/092 ,  G06V20/17

Abstract: 本发明公开了一种多模态遥感图像解译模型的部署方法、装置、介质和设备，涉及深度学习技术领域。该方法中，获取基准多模态遥感图像解译模型；基准多模态遥感图像解译模型包括特征提取模型和特征解译模型；将特征提取模型中的矩阵乘法替换为分块流水线矩阵乘法，得到优化后的特征提取模型；分块流水线矩阵乘法包括将待相乘的两个矩阵分别进行分块，并按照分块流水线方式依次处理不同的块乘法；将优化后的特征提取模型部署在无人机异构计算平台中的的现场可编程门阵列FPGA上，以及将特征解译模型进行模型量化处理，并将量化处理后的特征解译模型部署在无人机异构计算平台中的的图形处理器GPU上。通过该部署方法部署的多模态遥感数据解译模型的解译效率较高。