-
公开(公告)号：CN119068351A
公开(公告)日：2024-12-03
申请号：CN202411105153.2
申请日：2024-08-13
Applicant: 湖州师范学院
Abstract: 本申请提出一种基于语义融合的遥感影像变化检测方法及系统，属于遥感影像的数据处理与应用技术领域，其中，方法包括：将多批次的第一待检测影像与第二待检测影像分别输入具有局部交互增强模块的深度编码器中提取局部特征，将第一局部特征图以及第二局部特征图分别输入到视觉自注意力编码器中提取全局特征；将全局特征图输入到级联上采样解码器，经过多次上采样以及特征融合操作，得到特征映射；将特征映射输入到分类器进行分类，得到遥感影像变化检测图。实现局部与全局语义特征的有效融合，在保持精确定位变化区域的同时，加强对各类地物变化检测的敏感度和准确性。
-
公开(公告)号：CN118840593A
公开(公告)日：2024-10-25
申请号：CN202410866597.1
申请日：2024-07-01
Applicant: 湖州师范学院
IPC: G06V10/764 , G06V20/10 , G06V10/80 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于多尺度特征融合的高分遥感影像场景分类方法，涉及高分遥感影像数据处理与应用技术领域。该方法首先将高分遥感影像场景分类图像数据集经过特征金字塔处理，提取多个不同尺度大小的特征；其次利用采用空间注意力机制和全局注意力机制的特征增强模块分别对每个特征的背景进行抑制，并增强特征关键部位；然后利用由标准1×1卷积和上采样层组成的特征关联模块将增强后的低维与高维特征逐步融合，填补各层跨尺度特征信息之间的语义空白，聚合多尺度上下文特征；最后将多个尺度的融合特征级联，利用分类器分类。该方法对高分遥感影像中的地物具有更强的识别能力，并且具有较强的适应性和鲁棒性。
-
公开(公告)号：CN118823570A
公开(公告)日：2024-10-22
申请号：CN202410794726.0
申请日：2024-06-19
Applicant: 湖州师范学院
IPC: G06V20/10 , G06V10/80 , G06V10/764 , G06V10/762
Abstract: 本发明公开了一种农作物高光谱影像分类方法、装置、设备和介质，涉及图像处理技术领域。该方法包括：获取待分类农作物高光谱影像；提取待分类农作物高光谱影像中的不同方向和不同尺度的农作物边界纹理特征以及深层空间特征；将农作物边界纹理特征和深层次空间特征进行融合，将融合结果输入到多核支持向量机中进行农作物分类。本发明所获得的农作物边界纹理特征通过从不同方向和不同尺度可以清晰具体地表达位于农作物边界处的混合冠层的特性；通过将农作物边界纹理特征与深层空间特征进行融合，综合利用了深层空间特征的泛化表征优势和边界农作物边界纹理特征的清晰具体表征优势，从而对边界处的农作物分类更加准确。
-
公开(公告)号：CN117853809A
公开(公告)日：2024-04-09
申请号：CN202410037314.2
申请日：2024-01-10
Applicant: 湖州师范学院
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于条件卷积生成对抗网络的高光谱影像分类方法，其涉及数据处理与应用技术领域。包括：构建分类模型，将随机噪声、高光谱影像类别标签输入分类模型的生成器得到高光谱影像伪样本数据；将高光谱影像伪样本数据和高光谱影像数据输入分类模型的判别器得到深层次空谱特征，深层次空谱特征通过Softmax分类器处理得到分类结果。本发明将随机噪声和高光谱影像的类别标签输入分类模型的生成器，在全连接层的作用下，有条件地生成高光谱影像伪样本数据；利用自注意力机制模块对获得的特征图进行逐像素相加处理得到特征信息，对特征信息进行整合得到深层次空谱特征，提高了深层次空谱特征的质量，使得高光谱影像的分类结果更加准确。
-
Patent Agency Ranking
公开(公告)号：CN119418182A
公开(公告)日：2025-02-11
申请号：CN202411159177.6
申请日：2024-08-22
Applicant: 湖州师范学院
IPC: G06V20/10 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08
Abstract: 本申请提出一种基于特征融合的高分遥感影像目标检测方法及系统，属于高分遥感影像的数据处理与应用技术领域，方法包括：采用改进的EfficientNetv2网络对所述高分遥感影像进行局部特征提取，得到第一局部特征以及第二局部特征；将第一局部特征输入MobileViT网络对提取全局特征，得到全局特征；将全局特征以及第二局部特征输入到特征融合模块，得到融合特征；将所述融合特征输入到检测端，得到检测结果。本申请有效减低不同尺度下目标的误检和漏检，提高了高分遥感影像目标检测精度。
-
公开(公告)号：CN118794896A
公开(公告)日：2024-10-18
申请号：CN202410975427.7
申请日：2024-07-19
Applicant: 湖州师范学院
IPC: G01N21/25 , G01N1/28 , G16C20/20 , G16C20/70 , G06F18/10 , G06F18/2111 , G06F18/2132 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于高光谱的土壤有机碳含量预测方法，涉及高光谱预测技术领域。该方法首先采集并处理土壤样本，进行土壤光谱测量和SOC含量测定；然后测定土壤光谱反射率数据，并对土壤光谱反射率数据预处理；再采用哈里斯鹰算法HHO初步筛选特征波段，利用连续投影算法SPA特征对波段进行二次筛选；最后建立SOC含量高光谱预测模型进行土壤有机碳含量预测，并进行模型检验；该方法为土壤碳循环研究和土壤管理提供了重要的参考和指导。
-
公开(公告)号：CN117853810A
公开(公告)日：2024-04-09
申请号：CN202410037330.1
申请日：2024-01-10
Applicant: 湖州师范学院
IPC: G06V10/764 , G06V10/58 , G06V20/10 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0895 , G06N3/084
Abstract: 本发明公开了一种基于半监督残差生成对抗网络的高光谱影像分类方法，其涉及数据处理与应用技术领域。包括：构建分类模型，将随机噪声输入分类模型的生成器得到高光谱影像伪样本数据；将高光谱影像伪样本数据和高光谱影像数据输入分类模型的判别器得到深度空谱特征，深度空谱特征经过Softmax分类器处理得到分类结果。本发明通过跳跃连接将前2个和前4个残差模块的提取特征分别与最后一个残差模块的输出特征做融合处理实现特征融合，避免了生成的高光谱影像与真实数据分布差异较大，可以解决小样本条件下模型特征提取能力和稳定性不足的问题，提高高光谱影像分类的准确性。
-
公开(公告)号：CN117456274A
公开(公告)日：2024-01-26
申请号：CN202311592322.5
申请日：2023-11-27
Applicant: 湖州师范学院
IPC: G06V10/764 , G06V20/10 , G06V10/44 , G06V10/80 , G06N3/0464
Abstract: 本发明公开了一种高光谱影像分类方法、装置、计算机设备和储存介质。该方法包括：构建深度密集残差网络分别提取影像的深度光谱特征、空间特征和空谱特征；采用多核学习方法将三个深层特征映射到高维空间，实现特征间的自适应融合；在多核融合特征的基础上，利用多核支持向量机对高光谱影像进行精确分类。本发明设计专门处理高光谱影像光谱、空间、光谱的网络，不同网络用维数不同的卷积专注不同维度的特征提取，有助于学习更加抽象和有层次的特征；引入密集残差单元有助于构建更深层次的网络，帮助网络学习复杂的光谱影像特征向量；将光谱、空间和光谱空间特征映射到深度特征空间进行融合，获得了表达能力更强、鲁棒性更强的高光谱影像特征。
-
公开(公告)号：CN117253093A
公开(公告)日：2023-12-19
申请号：CN202311336081.8
申请日：2023-10-16
Applicant: 湖州师范学院
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464 , G06V10/774
Abstract: 本发明公开一种基于深度特征和图注意力机制的高光谱影像分类方法，涉及高光谱影像的数据处理与应用技术领域，该方法包括：获取高光谱影像数据；通过结合2D卷积和3D卷积构建混合卷积网络模型，对高光谱影像数据进行特征提取，得到深度空谱特征；利用k近邻方法对深度空谱特征进行构图，得到空间光谱图；使用图注意力网络提取空间光谱图中的节点特征；根据节点特征，利用softmax函数生成每个节点的预测标签；根据预测标签，对影像数据进行分类，得到影像的分类图；本方法结合卷积神经网络和图注意力网络各自的优势，能够提取影像中各类地物具有判别能力的深层次空谱特征，提高了影像的分类结果。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.024 seconds)
