-
公开(公告)号：CN117274800A
公开(公告)日：2023-12-22
申请号：CN202311152820.8
申请日：2023-09-07
申请人： 常州大学
IPC分类号： G06V20/10 , G06V10/44 , G06V10/58 , G06V10/42 , G06T7/00 , G06N3/0464 , G06N3/048 , G06N3/045
摘要： 本发明涉及图像处理技术领域，尤其涉及基于深度学习的高光谱遥感图像异常检测方法，包括对高光谱遥感图像进行归一化预处理得到原始高光谱图；将原始高光谱图输入低秩背景特征提取网络生成低秩背景特征；将低秩背景特征输入主干特征提取网络，得到主干特征；将主干特征输入特征卷积网络，得到卷积特征；将卷积特征输入上采样网络，得到上采样特征；将上采样特征输入特征卷积子网络，得到重建背景特征图；将原始高光谱图与重建背景特征图相减得到重构误差图，并利用自适应加权损失函数抑制异常的重建权重。本发明针对现有的高光谱异常检测存在未对背景的低秩特性给予充分利用的问题以及现有算法对背景和异常的分离仍具有挑战性。
-
公开(公告)号：CN118135558A
公开(公告)日：2024-06-04
申请号：CN202410331993.4
申请日：2024-03-22
申请人： 常州大学
摘要： 本发明涉及图像处理技术领域，尤其涉及基于改进YOLOv8的杭白菊自动检测方法及系统，包括采集、标注杭白菊图像；对YOLOv8主干进行改进，搭建8个阶段的主干特征提取网络，阶段1为1个卷积模块，阶段2‑4包括10个混合卷积模块级联，阶段5‑7包括30个深度通道卷积模块级联、阶段8包括1个池化模块；通过最小点距损失函数LM提高预测的杭白菊边界框与其实际标注的边界框之间位置匹配精度。本发明解决网络模型计算量过大问题，通过级联的深度通道卷积模块强化了模型局部特征提取能力；并利用最小化点距损失函数LM提高杭白菊边界框与其实际标注的边界框之间位置匹配的精度，提升杭白菊检测精度。
-
公开(公告)号：CN118037798A
公开(公告)日：2024-05-14
申请号：CN202410213897.X
申请日：2024-02-27
申请人： 常州大学
IPC分类号： G06T7/557 , G06N3/0442 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
摘要： 本发明涉及图像处理技术领域，尤其涉及多尺度循环LSTM的透明物体深度图像修复方法，包括利用信息预填充模块得到深度图像D’；设计两个结构相同的包含4个阶段的双分支特征提取模块用于逐级提取原始RGB和深度图像D’的特征；设计多尺度循环LSTM模块用于逐级提取4个阶段的原始RGB和深度图像D’的双模态特征交互融合后的双模态特征；将双模态特征交互融合后双模态特征经过注意力模块后，逐步上采样后经过深度修复输出模块，得到深度修复后的深度图像。本发明解决现有深度修复方法计算量大、实时性差以及双模态特征融合不充分的问题。
-
公开(公告)号：CN117746230A
公开(公告)日：2024-03-22
申请号：CN202311599055.4
申请日：2023-11-28
申请人： 常州大学
IPC分类号： G06V20/10 , G06V10/52 , G06V10/58 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/088
摘要： 本发明涉及高光谱图像技术领域，尤其涉及一种基于高光谱图像的解混方法及系统，包括采集高光谱图像；利用多尺度空间特征提取模块对图像进行多尺度空间特征提取；利用光谱特征提取模块对图像进行光谱特征提取；将多尺度空间特征和光谱特征进行拼接，得到浅层光谱‑空间特征；并将浅层光谱‑空间特征输入SSARM模块，得到深层光谱‑空间特征；将深层光谱‑空间特征归一化得到丰度系数图；并利用解码器将丰度图重构为原始输入，其中解码器中1x1卷积核的权重作为所求的端元矩阵。本发明解决现有高光谱解混方法只关注于像素级或者像素块的局部光谱‑空间信息的问题。
-
-
-
搜索结果
4 条记录 (耗时 0.019 秒)
