-
公开(公告)号：CN119559499A
公开(公告)日：2025-03-04
申请号：CN202411593334.4
申请日：2024-11-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 基于多模型集成和渐进式预测的遥感图像目标检测识别方法，属于目标探测与识别技术领域。方法如下：将数据集分成训练集和验证集，将训练集训练得到输入数据；将输入数据输入网络中获得不同层级的特征图，将不同层级的特征图输入到网络上，得到模型A；将输入数据输入网络中得到高层次的特征图，将高层次的特征图输入到网络上，得到模型B；使用模型A和模型B构建多模型集成预测框架，输出目标检测识别结果。本发明在网络训练过程中充分结合了多样性训练增广策略以获取更为多样性的训练样本，提升模型泛化能力；相较于单一模型预测可提升mAP 10％以上，能够充分挖掘现有检测方法对于遥感目标检测识别的潜力。
-
公开(公告)号：CN119478349A
公开(公告)日：2025-02-18
申请号：CN202411508588.1
申请日：2024-10-28
Applicant: 哈尔滨工业大学
IPC: G06V10/25 , G06V10/42 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度自注意力运动背景建模的红外小目标检测方法，从红外序列图像中选取连续多帧作为模型输入，利用骨干网络提取图像特征，通过跨尺度自注意力编码结构对网络多尺度全局特征进行充分挖掘以建模时序图像的全局背景；将包含最细粒度信息的最浅层特征分组加权以形成分组查询，并采用跨尺度迭代解码的方式形成最终查询，以此保留更多的目标细节且更充分的抑制运动背景；通过检测头生成置信度图，并采用阈值分割方法得到最终的检测结果。多尺度自注意力编码网络能够实现序列图像背景全局特征和目标局部特征的融合，多尺度自注意力解码网络能够增强解码过程中查询向量的多帧细节信息，提升运动背景建模和目标特征表达的能力。
-
公开(公告)号：CN114581349B
公开(公告)日：2025-01-14
申请号：CN202210158227.3
申请日：2022-02-21
Applicant: 哈尔滨工业大学
IPC: G06T5/50
Abstract: 一种基于辐射特性反演的可见光图像与红外图像融合方法，属于光学图像处理技术领域，具体包括以下步骤：步骤一：利用多谱段可见光图像反演计算场景中地物全谱段反射特性；步骤二：利用红外图像反演计算场景中地物热辐射特性；步骤三：将地物全谱段反射特性、地物热辐射特性融合得到高分辨率的红外场景，通过全链路仿真重构红外图像；步骤四：建立真实高分辨率红外图像与实测低分辨率红外图像间退化关系，利用实测红外图像对重构仿真结果进行修正，得到高保真的高分辨率红外图像。本发明能够为地表分析、环境监测、灾害防控等提供高分辨率图像数据，同时为相关检测识别方法研究提供特性先验与数据输入。
-
公开(公告)号：CN114118504B
公开(公告)日：2024-07-23
申请号：CN202010879574.6
申请日：2020-08-27
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种卫星轨道预测方法及系统，涉及空间光学信息处理领域。该方法包括：利用被观测卫星几何模型的面元通过BRDF建立光度信号观测模型；根据被观测卫星的轨道位置和瞬时速度利用牛顿两体引力运动方程确定轨道运动学方程；利用轨道运动学方程和光度信号观测模型采用无损卡尔曼滤波算法预测下一观测时刻被观测卫星的卫星轨道参数；当被观测卫星超出观测范围时，对应的预测的下一观测时刻卫星轨道参数为卫星轨道参数预测值；通过光度信号观测模型和轨道运动学方程对卫星轨道参数进行更加准确地预测，通过无损卡尔曼滤波算法降低误差对光度信号观测值更新的影响，提高了卫星轨道参数预测的精度。
-
公开(公告)号：CN118015464A
公开(公告)日：2024-05-10
申请号：CN202410164684.2
申请日：2024-02-05
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G01N21/84 , G06V10/762 , G06V10/82 , G06N3/126
Abstract: 本发明公开了一种基于遗传算法的面向检测任务的高光谱谱段优选方法，所述方法如下：加载高光谱图像，将高光谱图像高度宽度两个维度扁平化为一维张量，对处理后的高光谱图像进行二进制染色体编码；利用光谱信杂比构建适应度函数模型，通过聚类算法将相似的背景归类为同一簇，对每一类背景设置一个权重，针对不同检测目标，采取两种策略加权抑制背景，进一步提高光谱信杂比估计背景精度；利用遗传算法的选择操作、交叉操作、变异操作随机全局搜索优化，计算个体适应度，搜索适应度最小的个体，得出谱段优选结果。本发明使用两组高光谱数据集对算法测试验证，证明了该方法可以有效地筛选出与全谱段探测能力相当或更优秀的谱段子集。
-
Patent Agency Ranking
公开(公告)号：CN118015460A
公开(公告)日：2024-05-10
申请号：CN202410151424.1
申请日：2024-02-02
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于跨尺度引导和增强的遥感图像变化检测方法，所述方法包括如下步骤：使用权重共享的双编码器提取双时相遥感图像中的多层次特征，并利用高阶特征交互模块提高对多尺度特征的感知和表征能力；改进解码器和编码器之间的跳跃连接操作，提出跨尺度引导增强模块来增强感兴趣变化的特征，并过滤无关的背景干扰；使用双时相特征对齐融合模块对多层次解码器重建的变化语义信息进行融合，提取感兴趣的变化地物，避免双时相特征匹配误差产生的伪变化。该方法利用低层空间信息引导和约束深度语义信息的重建过程，增强感兴趣变化特征并过滤无关背景干扰，并兼顾多尺度地物特性和双时相特征之间的配准误差问题，从而提高变化检测的准确性。
-
公开(公告)号：CN117745777A
公开(公告)日：2024-03-22
申请号：CN202410019506.0
申请日：2024-01-05
Applicant: 哈尔滨工业大学
IPC: G06T7/33 , G06V10/764 , G06V10/762 , G06V20/13
Abstract: 一种基于时空配准的遥感检测地表密集异常元去除方法，所述方法包括如下步骤：步骤1：提取卫星姿态轨道数据，拟合相机成像模型，构建像面坐标到地心地固坐标系的配准模型；步骤2：基于地表异常元能量、形态等特性，构建杂波点特征向量；步骤3：基于步骤1得到的配准数据，以步骤2构建的杂波特征作为先验信息，对检测得到的所有检出结果进行匹配筛选，对地表异常元进行标定和去除。该方法可以实现对地表密集异常元在不同场景、不同分辨率、不同轨道高度下的实时标定及更新，获取更准确的有利于后续目标检测跟踪等应用的目标特性。
-
公开(公告)号：CN116994137A
公开(公告)日：2023-11-03
申请号：CN202310979011.8
申请日：2023-08-04
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/82 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/764 , G06N3/0464 , G06N3/08
Abstract: 一种基于多尺度形变建模和区域精细提取的目标检测方法，属于目标检测与识别技术领域。方法如下：设计多尺度特征动态融合模块，获得多尺度形变目标的候选区域提取结果；将候选区域提取结果分类，获得用最小边界矩形框标记的所有目标区域；提出定制化的结合二进制交叉熵、偏置损失和结构相似度的显著区域精细提取损失函数，实现复杂场景干扰下舰船目标的准确检测。本发明实现目标多尺度形变特征的增强学习，提高检测网络对目标与复杂背景的分辨能力，可实现在云层、光照阴影、港口设施等复杂场景下的舰船目标准确检测，为航空管制、海上救援和港口管理等军民应用提供有力支持。
-
公开(公告)号：CN106960436A
公开(公告)日：2017-07-18
申请号：CN201710165709.0
申请日：2017-03-20
Applicant: 哈尔滨工业大学
IPC: G06T7/00
CPC classification number: G06T7/0002 , G06T2207/10032 , G06T2207/30168
Abstract: 一种光学遥感图像处理性能评估方法，属于光学遥感图像处理与评价技术领域。所述方法步骤如下：建立图像灰度、纹理和边缘信息的图像客观评价指标体系，评估处理算法对细节保持和清晰度增强的处理性能；结合基于刀口像和自然图像的调制传递函数MTF估计方法，利用MTF(调制传递函数)曲线的积分面积评估处理算法对各频带MTF的整体提升性能；提出图像信噪比SNR的评价指标与方法，评估处理算法对细节保持增强和噪声抑制的综合处理性能；提出振铃和混叠效应的评价方法，评估处理算法对伪像抑制的处理性能。本发明优点是可适用于全面客观的评价图像复原算法的性能优劣，指导处理算法参数优化和模型改进。
-
公开(公告)号：CN119559499B
公开(公告)日：2025-05-13
申请号：CN202411593334.4
申请日：2024-11-08
Applicant: 哈尔滨工业大学
IPC: G06V20/10 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 基于多模型集成和渐进式预测的遥感图像目标检测识别方法，属于目标探测与识别技术领域。方法如下：将数据集分成训练集和验证集，将训练集训练得到输入数据；将输入数据输入网络中获得不同层级的特征图，将不同层级的特征图输入到网络上，得到模型A；将输入数据输入网络中得到高层次的特征图，将高层次的特征图输入到网络上，得到模型B；使用模型A和模型B构建多模型集成预测框架，输出目标检测识别结果。本发明在网络训练过程中充分结合了多样性训练增广策略以获取更为多样性的训练样本，提升模型泛化能力；相较于单一模型预测可提升mAP 10％以上，能够充分挖掘现有检测方法对于遥感目标检测识别的潜力。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.044 seconds)
