公开(公告)号：CN114494846A

公开(公告)日：2022-05-13

申请号：CN202111556994.1

申请日：2021-12-18

Applicant: 南京理工大学

Inventor： 张安迪 ,  刘芳 ,  刘嘉 ,  肖亮 ,  徐洋 ,  杨劲翔 ,  郜文菲

IPC: G06V20/10 ,  G06T5/00 ,  G06N3/04 ,  G06K9/62 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82

Abstract: 本发明公开了一种基于对尺度内卷网络的高光谱图像分类的方法，该方法包括：对原始高光谱数据进行最大最小归一化；构建自适应光谱去噪网络提纯归一化后的数据；构建空间卷积子网络与内卷子网络，并在网络中嵌入Dropblock模块提高网络泛化能力；构建自编码器模块，并将重建损失施加正则化以保持图像原本特征；融合空间卷积子网络与内卷子网络，并同时训练自编码器模块，最终得到分类识别结果。本发明构建的内卷网络更加关注于高光谱数据的光谱特征，并且融合了空间卷积网络以完善模型的空间特征提取能力，同时引入的Dropblock模块更进一步地提高了模型的泛化性，而自编码器模块能够保持重建图像的质量。

公开(公告)号：CN114202539A

公开(公告)日：2022-03-18

申请号：CN202111556995.6

申请日：2021-12-18

Applicant: 南京理工大学

Inventor： 刘芳 ,  刘嘉 ,  肖亮 ,  杨劲翔 ,  张安迪 ,  郜文菲

IPC: G06T7/00 ,  G06T5/20 ,  G06N20/00

Abstract: 本发明公开了一种基于端到端RX的高光谱图像异常检测方法，该方法包括：利用变分自编码对高光谱图像的每个像素点进行特征学习；提取变分自编码网络的隐含层特征作为高光谱像素的特征表示；估计高光谱图像中各像素点特征表示的局部均值和局部协方差矩阵；构建可微分的RX异常检测算法得到异常指数；计算可微分RX结构的反向传播模式；构建基于端到端RX的高光谱异常检测网络结构；融合变分自编码网络和端到端RX的损失函数并训练；输入高光谱图像在训练好的网络并输出异常检测结果。本发明方法具有有效融合VAE网络隐含层特征空间和RX异常特征信息的能力，应用于高光谱图像异常检测任务具有优异性能。

公开(公告)号：CN115565079A

公开(公告)日：2023-01-03

申请号：CN202211214138.2

申请日：2022-09-30

Applicant: 南京理工大学

Inventor： 李东徽 ,  刘嘉 ,  张文华 ,  刘芳 ,  张安迪 ,  江凯旋

IPC: G06V20/13 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06V10/774

Abstract: 本发明公开了一种基于双边融合的遥感图像语义分割方法，该方法包括以下步骤：输入单幅遥感图像；构造用于风格迁移的生成器；构造基于双边融合方式的卷积神经网络；生成并迭代优化学习模型；输出语义分割结果。本发明的特点在于定义了一个针对遥感图像的语义分割模型，可以克服因图像噪声引起的漏检、误检问题，增强了遥感图像的分割效果，提高了语义分割的准确率；本发明可广泛应用于国土资源和精准农业领域的目标定位和检测。