公开(公告)号：CN113221921A

公开(公告)日：2021-08-06

申请号：CN202110558502.6

申请日：2021-05-21

Applicant: 吉林大学

Inventor： 陈绵书 ,  张雅琦 ,  张子墨 ,  李晓妮 ,  桑爱军

IPC: G06K9/46

Abstract: 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

公开(公告)号：CN113221921B

公开(公告)日：2022-05-27

申请号：CN202110558502.6

申请日：2021-05-21

Applicant: 吉林大学

Inventor： 陈绵书 ,  张雅琦 ,  张子墨 ,  李晓妮 ,  桑爱军

IPC: G06V10/46

Abstract: 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

公开(公告)号：CN115601648A

公开(公告)日：2023-01-13

申请号：CN202211355012.7

申请日：2022-11-01

Applicant: 吉林大学(CN)

Inventor： 陈绵书 ,  张雅琦 ,  胡超亚 ,  桑爱军 ,  李晓妮 ,  郑宏宇

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/762 ,  G06V10/764

Abstract: 本发明公开了一种基于聚类分析的开集图像分类方法，包括步骤：将待分类遥感图像输入嵌入网络，得到嵌入特征，并基于聚类模块，确定嵌入特征对应的簇，根据簇确定簇对应的编解码网络；或者基于聚类模块，确定对应的簇，根据簇确定簇对应的嵌入网络和簇对应的编解码网络，并将待分类遥感图像输入嵌入网络，得到嵌入特征；将嵌入特征输入簇对应的编解码网络，得到分类结果；分类结果包括：分类类别和未知类别。由于编解码网络是按照簇分成多个，每个簇的嵌入特征之间比较相似，且与未知类别的待分类遥感图像的嵌入特征相差较大，则未知类别的待分类遥感图像可被该簇对应的编解码网络分类为未知类别，提高了基于聚类分析的代表性‑鉴别性开集识别框架对未知类别的区别能力。