-
公开(公告)号：CN115861701A
公开(公告)日：2023-03-28
申请号：CN202211610068.2
申请日：2022-12-14
Applicant: 湖北工业大学
IPC: G06V10/764 , G06V10/774 , G06F17/16 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于深度线性判别的遥感图像检索方法。该方法使用平衡深度线性判别分析(BDLDA)作为损失函数训练的卷积神经网络比由传统损失函数训练的卷积神经网络有更高的图片分类精度，并且可以生成更有区别度的特征表示，用于后续的图片检索。与传统的欧氏距离和曼哈顿距离相比，本发明提出的指数距离(RED)在高维中更能保持距离对比度，可以更好地索引高维特征表示的相似性，从而提高图片检索精度。
-
公开(公告)号：CN116740524A
公开(公告)日：2023-09-12
申请号：CN202310953087.3
申请日：2023-07-28
Applicant: 湖北工业大学
Abstract: 本发明公开了一种多分支多尺度拉普拉斯渐进式遥感图像融合方法及系统，将待融合处理的遥感图像输入多分支多尺度拉普拉斯渐进式遥感图像融合网络中，进行图像融合；所述多分支多尺度拉普拉斯渐进式遥感图像融合网络，包括用于提取全色图像信息的全色分支fpb、用于提取多光谱图像的多光谱分支fmb和用于融合和重建两者信息的融合分支；本发明提出的方法可有效缓解融合图像的失真和不真实的现象，与其他主流的方法相比，本发明提出的方法在取得不错融合效果的同时模型的参数和运行速度都在很小的数量级范围内，具有一定的现实意义；同时，本发明提出的方法仅采用基本的卷积层和ReLU激活函数层，具有较强的可扩展性和潜力。
-
公开(公告)号：CN115272876A
公开(公告)日：2022-11-01
申请号：CN202210836090.2
申请日：2022-07-15
Applicant: 湖北工业大学
IPC: G06V20/13 , G06N3/04 , G06N3/08 , G06V10/44 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本文提供了一种基于深度学习的遥感图像船舶目标检测方法，应用于FRS‑Net网络；其技术要点在于：所述方法包括以下步骤：构建数据集并且对数据集进行预处理与增强；构建FRS‑Net网络；进行FRS‑Net模型训练；得到FRS‑Net的模型参数，基于FRS‑Net的模型对目标影像进行检测；对网络性能进行评估，并且依据评估结果对网络模型进行迭代优化。本发明主要针对受云雾干扰的复杂环境下遥感船舶检测任务，依据遥感影像的特点提出更为合适的锚框设定与分配策略，并且通过构建特征融合使浅层网络获得更高级的语义信息以减缓云雾的干扰。该方法具有运算效率高、目标检测精确等方面的优势，能够适用于大规模的遥感舰船检测任务，在快速提取舰船目标方面有着明显的价值与意义。
-
公开(公告)号：CN112598608B
公开(公告)日：2022-07-19
申请号：CN202011340149.6
申请日：2020-11-25
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于目标区域的光学卫星快速融合产品制作方法。首采用一种动态搜索方式确定目标兴趣区域（ROI）的成像时间窗口；将ROI四角点的经纬度坐标反投至每一片CCD影像上，从而确定ROI成像影像范围；然后对ROI对应的原始数据范围进行影像解析处理，并对ROI原始全色和多光谱影像进行全谱段一体化虚拟重成像处理，输出面向融合的全色多光谱同分辨率影像产品；之后采用一种高色彩保真的全色多光谱融合技术对ROI全色多光谱进行融合处理；最后对ROI融合影像进行间接几何纠正处理，生成带地理坐标的目标融合产品。本发明具有数据量小、计算量小、任务响应迅速的优势，提升面向应急任务的信息获取效率。
-
Patent Agency Ranking
公开(公告)号：CN116563730A
公开(公告)日：2023-08-08
申请号：CN202310231828.7
申请日：2023-03-06
Applicant: 湖北工业大学
Abstract: 本发明涉及一种基于重学习的无人机遥感影像罂粟检测方法，包括数据集构建，对罂粟影像数据集的标注和预处理；模型重学习，利用目标检测模型通过重学习困难样本提升模型的泛化能力，所述重学习是通过已训练的权重对验证集进行检测，获取误检和漏检样本并放入训练集中形成新的数据集样本，通过模型微调进行重新迭代学习；最后通过对比验证集和测试集的检测精度来判断模型的泛化性能，所得性能最好的模型权重用于无人机遥感影像的罂粟识别和检测任务。本发明提供的重学习训练方法不仅可以有效提升无人机遥感影像罂粟检测能力，而且也适用于其他目标检测任务中，具有通用性。
-
公开(公告)号：CN115035295A
公开(公告)日：2022-09-09
申请号：CN202210678949.1
申请日：2022-06-15
Applicant: 湖北工业大学
Abstract: 本发明公开一种基于共享卷积核和边界损失函数的遥感图像语义分割方法，分割网络包括特征编码器、解码器和边界损失函数，特征编码器包括三个基础模块，每个基础模块包含多个以不同的空洞率共享同一卷积核的并行分支；解码器利用横纵轴注意力机制融合每个基础模块输出的特征图并上采样至原图大小并对每个像素预测分类得到最终的语义分割结果。针对现有语义分割方法对小目标及边缘分类精度不佳的现状，在网络训练阶段，对真实标签采用Sobel卷积和扩张操作得到边界标签，利用边界损失函数对边界错误施加额外的惩罚，达到让网络注重判断小目标及边界的目的。本发明方法能够较为准确地预测不同尺度的地物，且具有推理速度快、对硬件设备要求不高的特点。
-
公开(公告)号：CN117251283A
公开(公告)日：2023-12-19
申请号：CN202311171221.0
申请日：2023-09-11
Applicant: 湖北工业大学
Abstract: 本发明公开了一种星载算力受限条件下可扩展遥感影像实时处理方法及系统，根据应用需求，对卫星影像数据进行实时地理位置计算，对感兴趣区域进行精准定位，并裁切成连续的图像数据；根据应用特性，测定应用数据流入速度、数据计算速度、卫星成像时间、成像后数据处理时间，结合数据裁切系数，构建数据抽稀存储策略；结合硬件特性，测定应用分别占用所有串行计算单元和并行计算单元执行时的处理时间，建立异构并行计算模型；部署实时计算架构，实现光学卫星遥感影像的在轨实时处理。本发明可根据星载计算环境和不同的遥感影像应用方法，调整相应参数，满足各类应用的在轨实时处理。
-
公开(公告)号：CN112598608A
公开(公告)日：2021-04-02
申请号：CN202011340149.6
申请日：2020-11-25
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于目标区域的光学卫星快速融合产品制作方法。首采用一种动态搜索方式确定目标兴趣区域（ROI）的成像时间窗口；将ROI四角点的经纬度坐标反投至每一片CCD影像上，从而确定ROI成像影像范围；然后对ROI对应的原始数据范围进行影像解析处理，并对ROI原始全色和多光谱影像进行全谱段一体化虚拟重成像处理，输出面向融合的全色多光谱同分辨率影像产品；之后采用一种高色彩保真的全色多光谱融合技术对ROI全色多光谱进行融合处理；最后对ROI融合影像进行间接几何纠正处理，生成带地理坐标的目标融合产品。本发明具有数据量小、计算量小、任务响应迅速的优势，提升面向应急任务的信息获取效率。
-
公开(公告)号：CN115035295B
公开(公告)日：2024-04-30
申请号：CN202210678949.1
申请日：2022-06-15
Applicant: 湖北工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种基于共享卷积核和边界损失函数的遥感图像语义分割方法，分割网络包括特征编码器、解码器和边界损失函数，特征编码器包括三个基础模块，每个基础模块包含多个以不同的空洞率共享同一卷积核的并行分支；解码器利用横纵轴注意力机制融合每个基础模块输出的特征图并上采样至原图大小并对每个像素预测分类得到最终的语义分割结果。针对现有语义分割方法对小目标及边缘分类精度不佳的现状，在网络训练阶段，对真实标签采用Sobel卷积和扩张操作得到边界标签，利用边界损失函数对边界错误施加额外的惩罚，达到让网络注重判断小目标及边界的目的。本发明方法能够较为准确地预测不同尺度的地物，且具有推理速度快、对硬件设备要求不高的特点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.017 seconds)
