-
公开(公告)号：CN117437123A
公开(公告)日：2024-01-23
申请号：CN202311259050.7
申请日：2023-09-27
Applicant: 宁波大学
IPC: G06T3/4053 , G06V10/54 , G06V10/56 , G06V10/80
Abstract: 本发明涉及一种光谱与纹理注意力融合的深度光谱超分辨率方法，包括：通过多尺度卷积模块对RGB图像进行下采样获得3种尺度的深度特征；利用光谱注意力结构进行光谱聚合；对光谱聚合特征分别进行纹理提取和光谱交叉注意力操作；利用纹理注意力进行特征融合，得到充分融合纹理和光谱信息的特征；从低尺度到高尺度重复进行纹理与光谱特征提取和融合，最终得到空间和光谱增强的图像。本发明的有益效果是：本发明不仅高效地提取了低分辨率图像的纹理特征，还成功地将不同尺度的特征巧妙融合在一起；并提出了一种基于光谱维度的交叉注意力机制，以实现高性能的光谱重建。
-
公开(公告)号：CN117233123A
公开(公告)日：2023-12-15
申请号：CN202311178155.X
申请日：2023-09-13
Applicant: 宁波大学
IPC: G01N21/359 , G01N21/17 , G01N21/01
Abstract: 本发明涉及哨兵2号的水稻白叶枯病大范围遥感监测方法与装置，包括：获取哨兵2号多光谱影像并预处理；选取研究区地物样本点，计算区域内归一化差值植被指数NDVI；确定光谱差异最优波段构建水稻白叶枯病指数；计算白叶枯病指数，通过样本箱线图确定最佳阈值范围，构建决策树进行白叶枯病危害水稻面积提取；对提取结果结合地物样本点进行校核。本发明的有益效果是：本发明所需的样本数量较少，降低了处理高光谱数据的时间，并构建了差异最大化指数，能够快速、准确地提取水稻白叶枯病区域，精准反映水稻白叶枯病的空间分布范围，相较于基于分类思想的方法，更加具有实践应用意义。
-
Patent Agency Ranking
公开(公告)号：CN118644779B
公开(公告)日：2025-04-29
申请号：CN202410759859.4
申请日：2024-06-13
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/764 , G06V10/54 , G06V10/82
Abstract: 本发明涉及基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法，包括：获取影像数据，并对所述影像数据进行预处理；通过联合空间‑光谱分辨率增强模型，增强影像数据的空间分辨率和光谱分辨率，获取空‑谱分辨率增强图；分析影像的空间‑光谱特征，实现水稻病害分类。本发明的有益效果是：本发明通过有效融合光谱与纹理信息，显著提高了病害检测的精度，能够准确识别细微病害特征；并且，本发明利用可学习的纹理提取结构使得模型能够适应不同的数据特征，增强了模型在多样化数据上的泛化能力；本发明还通过优化的网络结构和注意力机制减少了不必要的计算，提升了病害检测的效率。
-
公开(公告)号：CN118644779A
公开(公告)日：2024-09-13
申请号：CN202410759859.4
申请日：2024-06-13
Applicant: 宁波大学
IPC: G06V20/10 , G06V10/764 , G06V10/54 , G06V10/82
Abstract: 本发明涉及基于深度学习空谱超分的水稻白叶枯病遥感精细监测方法，包括：获取影像数据，并对所述影像数据进行预处理；通过联合空间‑光谱分辨率增强模型，增强影像数据的空间分辨率和光谱分辨率，获取空‑谱分辨率增强图；分析影像的空间‑光谱特征，实现水稻病害分类。本发明的有益效果是：本发明通过有效融合光谱与纹理信息，显著提高了病害检测的精度，能够准确识别细微病害特征；并且，本发明利用可学习的纹理提取结构使得模型能够适应不同的数据特征，增强了模型在多样化数据上的泛化能力；本发明还通过优化的网络结构和注意力机制减少了不必要的计算，提升了病害检测的效率。
-
公开(公告)号：CN117437123B
公开(公告)日：2024-07-19
申请号：CN202311259050.7
申请日：2023-09-27
Applicant: 宁波大学
IPC: G06T3/4053 , G06V10/54 , G06V10/56 , G06V10/80
Abstract: 本发明涉及一种光谱与纹理注意力融合的深度光谱超分辨率方法，包括：通过多尺度卷积模块对RGB图像进行下采样获得3种尺度的深度特征；利用光谱注意力结构进行光谱聚合；对光谱聚合特征分别进行纹理提取和光谱交叉注意力操作；利用纹理注意力进行特征融合，得到充分融合纹理和光谱信息的特征；从低尺度到高尺度重复进行纹理与光谱特征提取和融合，最终得到空间和光谱增强的图像。本发明的有益效果是：本发明不仅高效地提取了低分辨率图像的纹理特征，还成功地将不同尺度的特征巧妙融合在一起；并提出了一种基于光谱维度的交叉注意力机制，以实现高性能的光谱重建。
-
公开(公告)号：CN117151980A
公开(公告)日：2023-12-01
申请号：CN202311134837.0
申请日：2023-09-05
Applicant: 宁波大学
Abstract: 本发明涉及一种渐进式特征强化的大尺度遥感图像超分辨率方法，包括利用密集残差网络提取低分辨率图像的深度特征；使用可训练的特征提取模块来进行不同尺度的特征提取；利用改进的风格迁移模块来提供超分重建所必需的高频信息；结合硬注意机制和软注意机制来选择对高分辨率图像重建所需的特征信息；采用多尺度、渐进的特征融合模块对不同尺度的特征进行有效的融合，并最后根据得到的高倍特征得到重构的超分辨率图像。本发明的有益效果是：本发明利用深度学习模型实现对低分辨率降质模型逆向求解，从而更好地实现大比例遥感图像超分。
-
公开(公告)号：CN117233123B
公开(公告)日：2024-07-26
申请号：CN202311178155.X
申请日：2023-09-13
Applicant: 宁波大学
IPC: G01N21/359 , G01N21/17 , G01N21/01
Abstract: 本发明涉及哨兵2号的水稻白叶枯病大范围遥感监测方法与装置，包括：获取哨兵2号多光谱影像并预处理；选取研究区地物样本点，计算区域内归一化差值植被指数NDVI；确定光谱差异最优波段构建水稻白叶枯病指数；计算白叶枯病指数，通过样本箱线图确定最佳阈值范围，构建决策树进行白叶枯病危害水稻面积提取；对提取结果结合地物样本点进行校核。本发明的有益效果是：本发明所需的样本数量较少，降低了处理高光谱数据的时间，并构建了差异最大化指数，能够快速、准确地提取水稻白叶枯病区域，精准反映水稻白叶枯病的空间分布范围，相较于基于分类思想的方法，更加具有实践应用意义。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
