公开(公告)号：CN117422917A

公开(公告)日：2024-01-19

申请号：CN202311385349.7

申请日：2023-10-24

Applicant: 吉林大学

Inventor： 陈绵书 ,  张子墨 ,  胡超亚 ,  许瑞雪 ,  李晓妮 ,  桑爱军

IPC: G06V10/764 ,  G06V20/10 ,  G06V10/77 ,  G06V10/58 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种高光谱遥感图像分类方法及相关设备，所述方法包括：获取待分类高光谱遥感图像，对待分类高光谱遥感图像通过主成分分析进行降维处理，得到降维后的图像数据；将降维后的图像数据输入注意力与多尺度密集网络，进行图像的空间‑光谱特征提取，得到图像的空间‑光谱特征图；将得到的空间‑光谱特征图输入到全连接层，将卷积输出的三维特征图转化成一维特征向量，并将前层计算得到的特征空间映射到样本空间；利用Adam优化器对提取的一维特征向量进行优化处理，利用Softmax分类器对优化后一维特征向量进行分类，获得分类结果。本发明通过利用注意力与多尺度密集网络对待分类高光谱遥感图像进行分类，减少计算量，提高图像的分类精度。

公开(公告)号：CN116935060A

公开(公告)日：2023-10-24

申请号：CN202310883617.1

申请日：2023-07-18

Applicant: 吉林大学

Inventor： 陈绵书 ,  张子墨 ,  胡超亚 ,  许瑞雪 ,  李晓妮 ,  桑爱军

IPC: G06V10/40 ,  G06V10/764 ,  G06F17/14 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开一种图像像素旋转尺度不变特征提取方法及相关设备，包括：获取待分析图像和待分析图像的待分析像素点；获取所述待分析像素点的邻域，获取所述邻域的旋转尺度不变特征，将所述旋转尺度不变特征作为待分析像素点的旋转尺度不变特征；其中，所述获取所述邻域的旋转尺度不变特征具体是以所述待分析像素点为原点，对所述邻域进行极坐标变换，对极坐标变换的结果在极角方向进行傅里叶变换，获取傅里叶变换结果的幅值特征和/或相位特征作为所述邻域的旋转尺度不变特征。本发明通过提取幅值特征和相位特征作为所述邻域的旋转尺度不变特征，使得提取的特征不随图像的旋转而改变，即提取的特征方向不变，不受图像方向的影响。

公开(公告)号：CN118470553A

公开(公告)日：2024-08-09

申请号：CN202410942816.X

申请日：2024-07-15

Applicant: 吉林大学

Inventor： 陈绵书 ,  许瑞雪 ,  胡超亚 ,  谷静云 ,  李晓妮 ,  桑爱军

IPC: G06V20/10 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于空间光谱注意力机制的高光谱遥感图像处理方法，涉及高光谱遥感图像处理技术领域，所述方法包括：获取原始高光谱图像，对所述原始高光谱图像进行预处理得到输入数据块；将所述输入数据块输入到预设数量的卷积核中，提取目标特征图，并将所述目标特征图分别输入到第一多尺度特征融合模块得到第一特征融合特征图，将所述第一特征融合特征图输入到第二多尺度特征融合模块，输出第二特征融合特征图；将所述第二特征融合特征图和所述目标特征图相加，并根据分类器进行分类，得到目标分类结果图。本发明可以高效并精确的对高光谱遥感图像进行处理，得到准确的分类结果。

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。

公开(公告)号：CN118397411A

公开(公告)日：2024-07-26

申请号：CN202410499154.3

申请日：2024-04-24

Applicant: 吉林大学

Inventor： 陈绵书 ,  胡超亚 ,  许瑞雪 ,  谷静云 ,  李晓妮 ,  桑爱军

IPC: G06V10/80 ,  G06V10/44 ,  G06V10/58 ,  G06V10/764 ,  G06V20/10 ,  G06V20/13 ,  G06N3/0464 ,  G06N3/045

Abstract: 本发明公开了一种基于注意力二阶池化的高光谱遥感图像分类方法及系统，所述方法包括：获取高光谱遥感图像中每个特征图块对应的一阶特征，并根据每个所述一阶特征得到对应的二阶池化特征；根据每个一阶特征计算每个所述特征图块对应的空间注意力权重矩阵；获取每个特征图块对应的嵌入特征，并计算每个特征图块对应的光谱注意力权重矩阵；根据每个特征图块对应的空间注意力权重矩阵和光谱注意力权重矩阵计算对应的注意力权重矩阵，计算对应的注意力二阶池化特征；分别根据每个所述注意力二阶池化特征得到最终融合向量，根据最终融合向量进行分类，得到分类结果。本发明提升了对高光谱遥感图像的分类准确性。