公开(公告)号：CN109272010B

公开(公告)日：2021-06-29

申请号：CN201810839303.0

申请日：2018-07-27

Applicant: 吉林大学

Inventor： 张小利 ,  李雄飞 ,  叶发杰 ,  于爽 ,  王婧 ,  骆实 ,  朱芮

IPC: G06K9/62

Abstract: 本发明提出一种基于卷积神经网络的多尺度遥感图像融合算法，该方法包括：第一，借助卷积神经网络的性质，构建一个符合遥感图像融合特性的多尺度卷积神经网络融合模型，其输入为待融合图像，输出为融合图像；第二，构建一个合适的训练数据集，在该训练集上成功训练提出的融合模型；第三，将遥感全色图像Pan图像转换为模型需要的待融合图像；第四，将转化后的近似Pan图像和多光谱图像MS输入训练好的融合模型，得到最终的融合图像。本发明所述方法从大量数据中学习一个自适应的多尺度融合函数，其由统计学习而来，不是人为设计，更加合理。实验结果表明，所述基于卷积神经网络的多尺度融合方法能够较好地处理不同卫星、不同波段的遥感图像。

公开(公告)号：CN109272010A

公开(公告)日：2019-01-25

申请号：CN201810839303.0

申请日：2018-07-27

Applicant: 吉林大学

Inventor： 张小利 ,  李雄飞 ,  叶发杰 ,  于爽 ,  王婧 ,  骆实 ,  朱芮

IPC: G06K9/62

Abstract: 本发明提出一种基于卷积神经网络的多尺度遥感图像融合算法，该方法包括：第一，借助卷积神经网络的性质，构建一个符合遥感图像融合特性的多尺度卷积神经网络融合模型，其输入为待融合图像，输出为融合图像；第二，构建一个合适的训练数据集，在该训练集上成功训练提出的融合模型；第三，将遥感全色图像Pan图像转换为模型需要的待融合图像；第四，将转化后的近似Pan图像和多光谱图像MS输入训练好的融合模型，得到最终的融合图像。本发明所述方法从大量数据中学习一个自适应的多尺度融合函数，其由统计学习而来，不是人为设计，更加合理。实验结果表明，所述基于卷积神经网络的多尺度融合方法能够较好地处理不同卫星、不同波段的遥感图像。

公开(公告)号：CN209845165U

公开(公告)日：2019-12-24

申请号：CN201920969204.4

申请日：2019-06-26

Applicant: 吉林大学珠海学院

Inventor： 王婧

IPC: H04N17/00 ,  F16M5/00

Abstract: 本实用新型属于安防设备检测技术领域，尤其为一种安防视频监控的异常检测装置，包括异常检测装置本体，所述异常检测装置本体的底部固定安装有基座，所述异常检测装置本体的下方设有顶部为开口的固定箱，所述固定箱的开口处固定安装有顶部为开口的放置箱，所述基座的底部与放置箱的底部内壁相接触，所述放置箱上滑动安装有两个卡块，所述基座的两侧均开设有卡槽，两个卡块延伸至对应的卡槽内，所述卡块远离基座的一端固定安装有连接柱。本实用新型设计合理，操作简单，通过设置的卡块、卡槽和转轴便能有效对异常检测装置本体进行固定，安装效率得到了较大的提升，也提高了异常检测装置本体使用快捷性。