-
公开(公告)号：CN119904758A
公开(公告)日：2025-04-29
申请号：CN202411826499.1
申请日：2024-12-12
Applicant: 河海大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06T3/4038 , G06T3/4046 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/0895
Abstract: 本发明提供一种基于多尺度特征融合的半监督遥感图像变化检测方法及装置，该方法包括获取遥感图像变化检测数据有标签的训练集和无标签的训练集，构建教师网络模型与学生网络模型，采用有标签的训练集训练教师网络模型，以及以训练好的教师网络模型参数初始化学生网络模型参数，采用无标签的训练集输入学生网络模型和教师网络模型，得到各自的预测结果；以教师网络模型的预测结果作为伪标签对学生网络模型参数进行优化，并更新教师网络模型参数，通过迭代训练最终得到遥感图像变化检测模型；基于该检测模型进行遥感图像变化检测。本发明能够提取不同尺度的空间信息，进行特征增强，以及对不同尺度的特征信息进行有效融合，提升模型的预测性能。
-
公开(公告)号：CN116524352A
公开(公告)日：2023-08-01
申请号：CN202310326280.4
申请日：2023-03-30
Applicant: 河海大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种遥感图像水体提取方法及装置，该方法包括：获取包含水体区域的遥感图像数据集并标注水体区域；对遥感图像数据集进行增强处理，得到水体提取数据集；基于空间注意力机制和自注意力机制构建深度卷积神经网络，以得到的水体提取数据集为输入，以提取的水体特征为输出，对所构建的深度卷积神经网络进行训练，得到训练好的预测模型；基于训练好的预测模型对实时获取的遥感图像进行水体提取，得到水体提取结果。本发明通过充分挖掘遥感图像中水体空间细节信息，提高了遥感图像水体提取的精度。
-
公开(公告)号：CN116488787A
公开(公告)日：2023-07-25
申请号：CN202310325786.3
申请日：2023-03-30
Applicant: 河海大学
Abstract: 本发明公开了一种基于并行压缩感知和自适应嵌入的视觉安全图像加密方法及装置，该方法包括对待加密的明文图像进行稀疏变换得到稀疏矩阵；根据初始化密钥和稀疏矩阵系数和计算混沌初始值；采用Logistics混沌迭代生成混沌序列；基于混沌序列生成测量矩阵，以及对稀疏矩阵进行置乱；对置乱后的稀疏矩阵每一列，使用测量矩阵进行并行压缩感知，得到测量值矩阵；将测量值矩阵进行量化和扩散得到中间秘密图像；根据区域能量将中间秘密图像自适应嵌入到载体图像，得到嵌入后的载体图像，作为密文图像。本发明使用并行压缩感知进行预加密，极大提升了加密速度，并根据区域能量自适应地将秘密图像嵌入到载体图像中，得到密文图像。
-
公开(公告)号：CN119904629A
公开(公告)日：2025-04-29
申请号：CN202411826343.3
申请日：2024-12-12
Applicant: 河海大学
IPC: G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06V20/13 , G06N3/0895 , G06N3/094 , G06N3/084 , G06N3/0464 , G06N3/048 , G06N3/0475
Abstract: 本发明提出一种基于半监督对抗学习的遥感图像语义分割方法及装置，该方法包括：获取遥感图像基准数据集，并划分带标签的训练集和无标签的训练集，构建分割网络和判别器网络，采用带有标签的训练集训练分割网络，并基于训练后的分割网络得到无标签的训练集中数据的预测图；采用无标签的训练集训练判别器网络，并基于判别器网络输出的置信分数选择伪标签；基于伪标签与对应的无标签图像对分割网络进行自训练，更新分割网络参数；通过不断迭代训练，保存最优网络参数作为遥感图像语义分割模型；采用该遥感图像语义分割模型进行遥感图像语义分割预测。本发明能够在少量标注数据的情况下，有效提升分割精度，降低数据标注成本。
-
-
-
Search Results
4
records
(took 0.015 seconds)
