公开(公告)号：CN117671345A

公开(公告)日：2024-03-08

申请号：CN202311619735.8

申请日：2023-11-30

申请人： 西北工业大学 ,  西北工业大学深圳研究院

发明人： 袁媛 ,  金铭鑫 ,  王聪

IPC分类号： G06V10/764 ,  G06V10/54 ,  G06V10/80 ,  G06V10/774 ,  G06V20/10

摘要： 本申请的实施例涉及临地安防技术领域，公开了一种面向临地安防的基于统计和语义特征的地物分类方法，包括：将获取到的待分类高光谱图像输入至分类模型中，获取分类模型前三层卷积层输出的特征，基于前两层卷积层输出的特征，利用分类模型的统计特征增强模块进行统计，得到统计纹理特征；基于第三层卷积层输出的特征，利用分类模型的多尺度特征提取模块，得到多尺度语义特征；利用分类模型的统计和语义特征融合模块对统计纹理特征和多尺度语义特征进行融合，得到空谱联合特征；基于空谱联合特征，利用分类模型的分类器进行地物分类，获得待分类高光谱图像对应的地物类别，有效增强了对浅层特征的判别能力，提升了高光谱图像的地物分类的精度。

公开(公告)号：CN118823783A

公开(公告)日：2024-10-22

申请号：CN202410940539.9

申请日：2024-07-15

申请人： 西北工业大学 ,  上海人工智能创新中心

发明人： 袁媛 ,  高君宇 ,  孙旭

IPC分类号： G06V20/70 ,  G06V20/10 ,  G06V10/774 ,  G06V10/30 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06T5/50 ,  G06T5/10 ,  G06T5/70 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开了一种基于自适应视觉环境增强机制的遥感场景语义图构建方法，首先提出了一种遥感数据语义图构建方法，有效地扩增了数据集的规模和多样性。其次，学习原始SAR图像和生成光学图像的噪声信息，实现了特征图的降噪，提高了图像数据的质量。接下来引入加权门控机制自适应地将低级特征图与去噪特征图信息融合，有效地消除了图像中的噪声，同时保持了图像细节的清晰度和完整性，避免了处理过程中可能导致的信息损失。最后，在AIR‑PolSegSAR数据集上的实验结果表明，该方法取得了显著的去噪和特征增强效果，有效缓解了SAR图像数据的过拟合现象，实现了各项分割指标的改进。

公开(公告)号：CN118552426A

公开(公告)日：2024-08-27

申请号：CN202410771518.9

申请日：2024-06-14

申请人： 西北工业大学

发明人： 袁媛 ,  刘赶超 ,  仇嘉伟

IPC分类号： G06T5/60 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084 ,  G06V10/82 ,  G06V10/80 ,  G06V10/44 ,  G06V20/13

摘要： 本发明公开了一种跨模态注意力引导的遥感影像去云方法，首先输入光学和SAR两个模态的遥感图像并进行预处理；在Encoder阶段分别对光学和SAR遥感图像进行特征提取；在Fusion阶段利用特征图计算图像各区域间的注意力矩阵；利用注意力矩阵对特征图进行特征聚合；利用门控卷积模块对特征图进行特征融合；最后在Decoder阶段对融合特征图进行特征解码，得到重建后的光学图像。通过与多个模型比较，本发明方法有着优秀的指标提升，证明了本发明方法有着良好的泛化性和鲁棒性。

公开(公告)号：CN113111727B

公开(公告)日：2024-05-31

申请号：CN202110297143.3

申请日：2021-03-19

申请人： 西北工业大学

发明人： 袁媛 ,  李治国 ,  马单丹

IPC分类号： G06V10/26 ,  G06V10/774 ,  G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/0464 ,  G06V20/13

摘要： 本发明公开了一种基于特征对齐的遥感场景下旋转目标检测方法，首先生成训练集，然后在Residual Network和Feature Pyramid Networks的基础上构建目标检测网络，对输入样本图像进行多尺度特征提取，再设计特征对齐模块，将由Feature Pyramid Networks网络得到的回归分支特征和分类分支特征进行特征融合，获得特征对齐后的有效特征，然后再经过由粗到细的检测框回归模块，所提取的特征利用通用卷积生成粗糙的检测框，之后再利用可变形卷积微调粗糙检测框，最终得到定位更加准确的检测框；最后对旋转检测网络进行训练，得到训练好的模型用于实际场景中的旋转目标检测任务。本发明相比现有技术直接预测检测框，检测框位置更加精确，算法的检测速度得到明显的提升。

公开(公告)号：CN112861911B

公开(公告)日：2024-05-28

申请号：CN202110027615.3

申请日：2021-01-10

申请人： 西北工业大学

发明人： 袁媛 ,  苏月皎 ,  姜志宇

IPC分类号： G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0455

摘要： 本发明公开了一种基于深度特征选择融合的RGB‑D语义分割方法，采用双流卷积神经网络作为语义分割模型，首先对RGB‑D图像和对应标签图像进行预处理，再由编码器提取可见光图像和深度图像各层的特征图，然后对可见光图像和深度图像的特征图进行融合，得到每一层的融合特征；接下来使用空间注意力对编码器的融合特征进行选择，将选择后的结果进行上采样，最终得到分割结果。本发明方法对于小物体和轮廓分割更为精确，对于光照变化和相似外观的物体分割鲁棒性更强，同时分割结果正确率和平均交并比更高。

公开(公告)号：CN112926624B

公开(公告)日：2024-05-24

申请号：CN202110094003.6

申请日：2021-01-23

申请人： 西北工业大学

发明人： 袁媛 ,  张岳林 ,  刘赶超

IPC分类号： G06V20/10 ,  G06V10/82 ,  G06V10/762 ,  G06N3/09 ,  G06N3/0464 ,  G06N3/044

摘要： 本发明公开了一种鲁棒的多时相多光谱影像变化检测方法，首先进行非一致性影像的校正算法，通过光谱影像解混算法对双时相影像分别解混，获得亚像元丰度与端元矩阵；使用k近邻法对原始数据进行预检测，划分数据为变化及未变化；利用预检测出的未变化数据的丰度计算校正矩阵；接下来进行基于时空谱特征学习的多光谱影像变化检测，以多时相影像中的每个像素为中心，取S×S的像素块；使用k近邻法对原始数据进行预检测，将变化和未变化两类分配标签作为伪训练集；利用伪训练集训练提出的神经网络；最后用训练好的神经网络，对所有数据进行检测。本发明提出方法能有效抵抗非一致影像带来的影响，提升算法鲁棒性。

公开(公告)号：CN112862737B

公开(公告)日：2024-05-14

申请号：CN202110167835.6

申请日：2021-02-07

申请人： 西北工业大学

发明人： 袁媛 ,  赵昊煜 ,  姜志宇

IPC分类号： G06T5/60 ,  G06T5/50 ,  G06T3/4053 ,  G06T7/00 ,  G06N3/0895 ,  G06V10/54 ,  G06V10/82

摘要： 本发明公开了一种基于自监督纹理特征指导的红外图像质量增强方法，首先对可见光图像生成亮度标签、模糊标签和噪声标签，再采用可见光图像和三种标签对deepIQA网络进行训练，然后通过自监督的方式对图像进行质量评估分配权重；再将数据集中的可见光图像和超分辨后的红外图像分解为包含光谱语义信息的基础部分和包含图像中纹理信息的细节部分；将可见光图像的细节部分和红外图像的细节部分融合，得到融合细节部分；最终将融合细节部分与红外图像的基础部分融合，重建红外图像。本发明减少了来自光谱信息的噪声，充分利用可见光图像中丰富的细节信息来重建红外图像，进而取得了具有分辨率更高、细节信息更丰富的红外图像。

公开(公告)号：CN114239594B

公开(公告)日：2024-03-08

申请号：CN202111476196.8

申请日：2021-12-06

申请人： 西北工业大学

发明人： 王琦 ,  许杰 ,  袁媛

IPC分类号： G06V20/70 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N5/04

公开(公告)号：CN114067112B

公开(公告)日：2024-03-05

申请号：CN202111311024.5

申请日：2021-11-06

申请人： 西北工业大学

发明人： 王琦 ,  郭昌兴 ,  袁媛

IPC分类号： G06V10/26 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048

摘要： 本发明提供了一种基于快速图卷积的点云分割方法。首先，对输入点云数据进行增广和归一化处理；然后，通过迭代进行局部图构建、特征拼接和特征学习，提取得到点云特征；最后，利用多层感知机对特征进行映射处理，并通过对映射特征进行分类，得到点云的分类结果。本发明具有模型参数少、计算简单快速的特点，且充分利用点云原始位置信息，分割精度高。

公开(公告)号：CN114049625B

公开(公告)日：2024-02-27

申请号：CN202111369003.9

申请日：2021-11-11

申请人： 西北工业大学

发明人： 王琦 ,  韩旭 ,  袁媛

IPC分类号： G06V20/62 ,  G06V10/25 ,  G06V10/44 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明提供了一种基于新型图像收缩方法的多方向文本检测方法。首先，对数据集中的训练集图像进行增强和归一化预处理；然后，采用收缩处理得到图像的文本核心区域标签；接着，构建文本检测网络并进行网络训练，通过特征提取、特征融合、二值化和区域处理，预测得到文本区域和文本核心区域；最后，将测试集图像输入训练好的网络，得到文本检测结果。本发明通过采用新型的文本核收缩方式，在分离相邻文本实例的前提下，能够大大提高自然场景下多方向文本检测的能力。