-
公开(公告)号：CN109558806B
公开(公告)日：2021-09-14
申请号：CN201811316602.2
申请日：2018-11-07
Applicant: 北京科技大学
Abstract: 本发明公开了一种高分遥感图像变化的检测方法和系统。其中，该方法包括：获取两时相图像中每个像素的邻域特征；将邻域特征输入分支卷积神经网络模型得到图像的类别，其中，类别是变化类和未变化类；分支卷积神经网络模型是对图像进行无监督预训练得到的，分支卷积神经网络模型包括输入层、分支网络、全连接层和分类层，分支网络是用于将邻域特征作为标签并将邻域特征卷积降维的，分类层是用于将图像分为不同类别的。本发明解决了现有技术中对图像变化检测精度不高的技术问题。
-
公开(公告)号：CN109934154B
公开(公告)日：2021-06-01
申请号：CN201910176026.4
申请日：2019-03-08
Applicant: 北京科技大学
Abstract: 本发明提供一种遥感影像变化检测方法及检测装置，能够高模型对于变化区域的检测精度和变化发现能力。所述方法包括：S1，获取同一地区的两时相影像进行预处理，其中，影像为遥感影像；S2，在预处理后的两时相影像上，逐像素提取多尺度的光谱特征和纹理特征，得到训练数据集；S3，以堆栈降噪自编码器作为深度学习模型，利用得到的训练数据集训练深度学习模型；S4，获取需要测试的遥感影像并按照S1‑S2生成测试数据集，利用训练好的深度学习模型对测试数据集进行检测，将检测到的像素结果逆向拼接为图像，得到最终检测图。本发明涉及遥感影像处理技术领域。
-
公开(公告)号：CN109934154A
公开(公告)日：2019-06-25
申请号：CN201910176026.4
申请日：2019-03-08
Applicant: 北京科技大学
Abstract: 本发明提供一种遥感影像变化检测方法及检测装置，能够高模型对于变化区域的检测精度和变化发现能力。所述方法包括：S1，获取同一地区的两时相影像进行预处理，其中，影像为遥感影像；S2，在预处理后的两时相影像上，逐像素提取多尺度的光谱特征和纹理特征，得到训练数据集；S3，以堆栈降噪自编码器作为深度学习模型，利用得到的训练数据集训练深度学习模型；S4，获取需要测试的遥感影像并按照S1-S2生成测试数据集，利用训练好的深度学习模型对测试数据集进行检测，将检测到的像素结果逆向拼接为图像，得到最终检测图。本发明涉及遥感影像处理技术领域。
-
公开(公告)号：CN109558806A
公开(公告)日：2019-04-02
申请号：CN201811316602.2
申请日：2018-11-07
Applicant: 北京科技大学
Abstract: 本发明公开了一种高分遥感图像变化的检测方法和系统。其中，该方法包括：获取两时相图像中每个像素的邻域特征；将邻域特征输入分支卷积神经网络模型得到图像的类别，其中，类别是变化类和未变化类；分支卷积神经网络模型是对图像进行无监督预训练得到的，分支卷积神经网络模型包括输入层、分支网络、全连接层和分类层，分支网络是用于将邻域特征作为标签并将邻域特征卷积降维的，分类层是用于将图像分为不同类别的。本发明解决了现有技术中对图像变化检测精度不高的技术问题。
-
-
-
Search Results
4
records
(took 0.022 seconds)
