-
公开(公告)号：CN117876869A
公开(公告)日：2024-04-12
申请号：CN202410043569.X
申请日：2024-01-11
Applicant: 西安电子科技大学
IPC: G06V20/10 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/766 , G06N3/0464 , G06N3/08
Abstract: 一种基于HRNet和多尺度特征注意力的遥感影像道路提取方法、系统、设备及介质，方法包括以下步骤：构建遥感影像道路数据集，并划分为训练集、验证集和测试集；构建基于HRNet和多尺度特征注意力的遥感影像道路提取网络；设置网络参数；使用训练集对构建的遥感影像道路提取网络进行训练，每轮训练结束后输出训练权重文件；验证集对训练权重文件进行验证，选精度最高的训练权重文件作为最优权重文件；将测试集和最优权重文件输入训练好的基于HRNet和多尺度特征注意力的遥感影像道路提取网络进行目标识别，得到遥感影像道路提取结果；系统、设备及介质用于实现该方法；本发明提高了提取遥感影像道路信息的精度和鲁棒性，具有适应性强、道路提取精度高的优点。
-
公开(公告)号：CN115131373B
公开(公告)日：2023-10-27
申请号：CN202210854382.9
申请日：2022-07-14
Applicant: 西安电子科技大学
IPC: G06T7/11 , G06T7/13 , G06T7/40 , G06V10/762 , G06V10/80
Abstract: 本发明提出了一种基于纹理特征和SLIC的SAR图像分割方法，解决了SAR噪声和复杂纹理导致的分割精度低的技术问题。实现步骤为：将SAR图像分为K个超像素块；获得更新后的聚类中心C'i；获得SAR图像的边缘图像；获得搜索区域；计算搜索区域的纹理特征；基于SLIC算法对SAR图像进行分割。本发明对序列#imgabs0#三值化，降低噪声影响和计算量；通过三值化序列Hk的平均频谱AMP的收敛性获得搜索区域Ω，计算区域Ω的纹理特征；通过SLIC算法获得SAR图像的分割结果，用于SAR图像分割。
-
公开(公告)号：CN116342657A
公开(公告)日：2023-06-27
申请号：CN202310321705.2
申请日：2023-03-29
Applicant: 西安电子科技大学
IPC: G06T7/246 , G06N3/049 , G06N3/0442 , G06N3/084 , G06N3/0455 , G06T3/40
Abstract: 一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法、系统、设备及介质，方法为：对船舶AIS历史轨迹数据进行预处理；构建基于TCN和双向GRU循环神经网络的轨迹预测模型；构建损失函数MSE；设置网络训练参数；训练网络模型；轨迹递归预测；系统、设备及介质用于实现一种基于编码‑解码结构的TCN‑GRU船舶轨迹预测方法；本发明利用异常数据过滤、数据压缩和三次样条插值技术对船舶AIS历史轨迹数据进行处理，在基于TCN网络构建的编码器中，利用TCN的短期特征提取能力对输入的船舶AIS历史轨迹数据进行编码，并利用基于GRU网络的解码器对船舶AIS历史轨迹数据进行长期时序特征提取，预测误差较少，满足实时性预测的要求，能够应用于进出港口的船舶轨迹的实时监控。
-
公开(公告)号：CN115131680B
公开(公告)日：2024-08-20
申请号：CN202210790355.X
申请日：2022-07-05
Applicant: 西安电子科技大学
IPC: G06V20/13 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06V10/44 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种基于深度可分离卷积和跳跃连接的遥感影像水体提取方法，解决了水体样本标注效率低，河流支流或小水体提取困难的技术难题。实现步骤包括，获取原始遥感图像并预处理；用最大似然分类法得到水体标签；裁剪并筛选组成数据集；图像增强；构建基于FASPP的卷积网络DUPnet；建立图像输入网络的特征提取流程；构建混合损失函数TCELosss和设置训练参数；得到水体提取结果。本发明构建DUPnet网络，网络编码器使用深度可分离卷积减少特征信息丢失；网络的跳跃连接使用FASPP弥补采样过程造成的特征损失；构建TCELoss改善数据集中正负样本不平衡的问题。本发明用于从遥感影像中高质量提取水体，提高了制作遥感影像水体样本效率和水体分割精度。
-
公开(公告)号：CN117611877A
公开(公告)日：2024-02-27
申请号：CN202311421577.5
申请日：2023-10-30
Applicant: 西安电子科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/52 , G06N3/0464
Abstract: 本发明公开了一种基于LS‑YOLO网络的遥感影像滑坡体检测方法，主要解决现有技术计算量大、检测精度低以及存在较多漏检错检的问题。其实现步骤为：1)基于有效通道注意力、平均池化和空间可分离卷积设计多尺度特征提取模块；2)在现有Decoupled Head进行改进，在其回归任务分支中引入上下文增强模块；3)在YOLOv5网络的Neck中引入多尺度特征提取模块，并使用改进后的Decoupled Head替换原网络相应部分，得到改进后的LS‑YOLO网络模型；4)利用模型对遥感影像进行检测获取结果。本发明能够有效提高多尺度滑坡的定位精度、提升检测准确性。可用于光学遥感影像中的滑坡检测。
-
Patent Agency Ranking
公开(公告)号：CN115861104A
公开(公告)日：2023-03-28
申请号：CN202211544780.7
申请日：2022-11-30
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明提出了一种基于透射率细化的遥感图像去雾方法，用于解决遥感图像中透射率估计不准确，遥感图像的去雾质量低的问题；以及遥感图像去雾后对比度低的问题。本发明的实现步骤为：计算有雾遥感图像的大气强度值；使用高斯加权算法得到有雾遥感图像的高斯加权暗通道图像；计算有雾遥感图像的细化透射率；按照大气强度值和细化透射率，对有雾遥感图像进行去雾，得到去雾图像。本发明克服了现有技术透射率计算不准确的问题，可以对包含遥感图像在内的有雾图像进行高质量的去雾，去雾后可以提高图像的对比度，增加图像的细节信息。
-
公开(公告)号：CN115546650A
公开(公告)日：2022-12-30
申请号：CN202211339370.9
申请日：2022-10-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于YOLO‑V网络的检测遥感影像中舰船方法，其实现步骤为：构建YOLO‑V网络中的Input子网络，构建YOLO‑V网络的Backbone子网络，构建YOLO‑V网络中的Neck子网络，构建YOLO‑V网络中的Head子网络，构建YOLO‑V网络，生成训练集和验证集，训练YOLO‑V网络，检测遥感影像中的舰船。本发明能够较好的解决检测遥感影像中小型舰船漏检的问题，提高了检测舰船的精确度，本发明检测舰船消耗的时间更短，提高了从光学遥感影像中检测舰船的效率，可用于实时检测光学遥感影像中的舰船。
-
公开(公告)号：CN115423838A
公开(公告)日：2022-12-02
申请号：CN202211072177.3
申请日：2022-09-02
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于SLIC超像素的SAR图像多特征区域合并方法，用于提高SAR图像分割精度。实现步骤为：采用SLIC超像素算法对SAR图像进行分割；提取每个超像素的灰度特征和纹理特征；获取每两个相邻超像素之间的相似性系数；确定待合并的超像素对；计算每个待合并超像素对的合并指数；获取SAR图像多特征区域合并结果；判断超像素的个数与阈值的大小；输出新合并的超像素的SAR图像。本发明首先使用SLIC超像素算法对SAR图像进行过分割，然后借助不同特征将相邻超像素融合，提高了SAR图像的分割精度。
-
公开(公告)号：CN115131680A
公开(公告)日：2022-09-30
申请号：CN202210790355.X
申请日：2022-07-05
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度可分离卷积和跳跃连接的遥感影像水体提取方法，解决了水体样本标注效率低，河流支流或小水体提取困难的技术难题。实现步骤包括，获取原始遥感图像并预处理；用最大似然分类法得到水体标签；裁剪并筛选组成数据集；图像增强；构建基于FASPP的卷积网络DUPnet；建立图像输入网络的特征提取流程；构建混合损失函数TCELosss和设置训练参数；得到水体提取结果。本发明构建DUPnet网络，网络编码器使用深度可分离卷积减少特征信息丢失；网络的跳跃连接使用FASPP弥补采样过程造成的特征损失；构建TCELoss改善数据集中正负样本不平衡的问题。本发明用于从遥感影像中高质量提取水体，提高了制作遥感影像水体样本效率和水体分割精度。
-
公开(公告)号：CN115423838B
公开(公告)日：2025-05-16
申请号：CN202211072177.3
申请日：2022-09-02
Applicant: 西安电子科技大学
Abstract: 本发明提出了一种基于SLIC超像素的SAR图像多特征区域合并方法，用于提高SAR图像分割精度。实现步骤为：采用SLIC超像素算法对SAR图像进行分割；提取每个超像素的灰度特征和纹理特征；获取每两个相邻超像素之间的相似性系数；确定待合并的超像素对；计算每个待合并超像素对的合并指数；获取SAR图像多特征区域合并结果；判断超像素的个数与阈值的大小；输出新合并的超像素的SAR图像。本发明首先使用SLIC超像素算法对SAR图像进行过分割，然后借助不同特征将相邻超像素融合，提高了SAR图像的分割精度。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.033 seconds)
