“张无瑕”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]一种基于光谱Transformer网络的高光谱影像变化检测方法-CN202310053970.7在审
发明人： 张无瑕;郭会博;张宇航;苏亮旭 -专利权人：西安邮电大学
申请日： 2023-02-03 - 公布日： 2023-10-27 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及了一种基于光谱Transformer网络的高光谱影像变化检测方法。其步骤为：1.数据分割；2.划分训练集测试集进行深度特征提取；3.测试集进行深度特征提取；4.差分特征与点乘特征提取；5.生成差分流，特征流和级联流变化检测结果图；6.生成最终的变化检测结果图；7.光谱Transformer网络优化；8.统计实验结果，计算高光谱变化检测的精度。与现有方法相比，光谱Transformer网络在提取深度特征时，在光谱维度利用Transformer机制有效挖掘了高光谱影像的光谱依赖性；并且从差分流和点乘流两个角度进一步探索提取深度特征的相关性，使提取的深度特征更具判别性；最后，加权融合差分流、乘法流及其相应的串联流的变化检测结果图，充分利用学到的特征信息，提高了高光谱影像变化检测的精度。
一种基于光谱 transformer 网络影像变化检测方法

[发明专利]一种云微粒子数据区域提取方法-CN202210374304.9有效
发明人： 张无瑕;刘说;张宇航;杨玲 -专利权人：西安邮电大学;成都信息工程大学
申请日： 2022-04-11 - 公布日： 2023-04-07 - 主分类号： G06T7/11 文献下载
摘要：本发明涉及一种云微粒子数据区域提取方法，主要包括对云微粒子数据进行数据集筛选和聚类，然后对所有图像数据中的像素块属性进行初步确认，在对初步确认的中心像素块和附属像素块分别进行中心像素块同区域搜索和附属像素块同区域搜索后，以中心像素块为核心，以归属于该中心像素块的附属像素块为扩展区域，两者共同作为单个云微粒子区域，以单个云微粒子区域为对象进行云微粒子提取，通过该方法提高了云微粒子数据区域提取的完整性和准确性。
一种微粒子数据区域提取方法

[发明专利]一种基于自适应多特征融合模型的水声目标识别方法-CN202211618499.3在审
发明人：潘晓英;冯天浩;郑为;张无瑕;吕维;王红玉;孙乃葳;赵罡;张洁;申珅;倪文玺 -专利权人：西安邮电大学;中国船舶重工集团公司第七0五研究所
申请日： 2022-12-15 - 公布日： 2023-04-04 - 主分类号： G06V20/05 文献下载
摘要：本发明属于水声目标识别技术领域，具体涉及一种基于自适应多特征融合模型的水声目标识别方法。包括以下步骤：首先将原始的音频数据切割得到数据集；对每条音频提取MFCC特征并生成二维时频谱图；然后进行多维特征提取：包括深度时序特征提取、深度空间特征提取和深度频域特征提取；最后进行自适应多特征融合模型构建：将三种网络提取的特征进行初步拼接作为输入；将拼接后的特征集输入到通道注意力层进行自适应加权；将加权信息输入到全连接层进行水声目标识别。本方法通过多维度特征提取网络结构，挖掘了时域音频信号和频域的二维频谱图所对应的时频互补信息；通过自适应加权为后续的目标识别提供更具有判别性的特征，有效的提高了识别精度。
一种基于自适应特征融合模型目标识别方法

[发明专利]一种基于空-谱联合注意力网络的多光谱影像变化检测方法-CN202111515091.9在审
发明人： 张无瑕;张琴雨;苏亮旭;张宇航;林思超 -专利权人：西安邮电大学
申请日： 2021-12-13 - 公布日： 2022-04-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于空‑谱联合注意力网络的多光谱影像变化检测方法，其步骤为：1.构建训练集和测试集；2.将空间注意力模块和光谱注意力模块同时融入空‑谱特征提取网络，提取复杂场景下具有高可判别性和可区分性的空‑谱特征；3.使用多维度损失函数同时从光谱强度和光谱角度对空‑谱特征的相似性进行度量和对网络进行训练优化；4.将提取的空‑谱特征输入sigmoid层计算变化检测的结果；5.统计实验结果，计算多光谱影像变化检测的精度。本发明与现有方法相比，能够同时关注复杂背景下空间关键区域和地物光谱波段的可分性，提升了空‑谱特征的有效性；并进一步从光谱强度和光谱角度来度量空‑谱特征的相似性，提高了复杂场景下变化检测任务的精度。
一种基于联合注意力网络光谱影像变化检测方法

[发明专利]基于超像素结构的视觉注意SAR图像目标检测方法-CN201810567306.3有效
发明人：刘说;杨玲;于文涛;张无瑕;王海江;杨智鹏;徐梓欣;潘帆 -专利权人：成都信息工程大学
申请日： 2018-06-05 - 公布日： 2022-04-01 - 主分类号： G06T7/246 文献下载
摘要：本发明公开了一种基于超像素结构的视觉注意SAR图像目标检测方法，属于雷达遥感或图像处理技术，主要解决SAR图像目标检测时检测率低、虚警率和漏检率高以及检测到的目标失真的问题。其实现步骤为：确定待输入的SAR图像，先进行滤波；接着提取灰度和方向初级视觉特征；进行归一化和显著性处理；生成显著图；设定阈值Sth生成二值化的显著图选出候选目标区域；将二值化的显著图和滤波后的图像点乘；用SLIC超像素生成算法将图像分割成超像素区域；设定角点检测的阈值Rth对图像进行Harris角点检测以突出目标与背景的超像素的结构特征的差异；统计每个超像素区域内的角点个数；设定阈值Th进行离群值检测以剔除候选目标区域中包含的虚警，得到最终SAR图像目标检测结果。本发明充分利用超像素、视觉注意、Harris角点检测相结合的方法来实现SAR图像目标检测，得到的检测结果显示本发明方法检测率高、虚警率和漏检率低，并且检测结果不失真，即检测后的SAR图像目标形态能够完整的保留。
基于像素结构视觉注意 sar 图像目标检测方法

[发明专利]基于流形约束自编码网络的高光谱异常检测方法及系统-CN201910412013.2有效
发明人：卢孝强;张无瑕;吴思远;黄举 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2019-05-17 - 公布日： 2022-03-25 - 主分类号： G06V20/00 文献下载
摘要：本发明公开了一种基于流形约束自编码网络的高光谱异常检测方法及系统，解决样本识别率低的问题，方法实现步骤是：(1)采用流行学习算法来学习低维嵌入流行；(2)通过低维嵌入流形约束的自编码网络提取隐层表达特征；(3)利用低维嵌入流形约束的自编码网络获得全局重构误差；(4)在低维嵌入流形上计算局部重构误差；(5)将全局重构误差和局部重构误差结合起来进行异常目标检测；(6)统计实验结果，计算高光谱异常检测的精度。本发明在利用自编码网络提取高光谱图像的深度特征时，考虑了图像的局部特性；并且综合全局方法和局部方法的优点，在进行异常判断时，同时考虑全局重构误差和局部重构误差，进而提高了异常检测的精度。
基于流形约束编码网络光谱异常检测方法系统

[发明专利]一种空谱联合特征学习网络及多光谱变化检测方法-CN201811615977.9有效
发明人：卢孝强;张无瑕;李学龙 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2018-12-27 - 公布日： 2021-03-19 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于空谱联合特征学习网络及多光谱变化检测方法，实现步骤是：(1)将图像分为大小5*5图像块；(2)构建训练集和测试集；(3)提取空谱联合的高层语义特征；(4)将提取的空谱联合的高层语义特征输入空谱联合学习网络的判别层得到变化检测的结果；(5)统计实验结果，计算多光谱变化检测的精度。本发明与现有方法相比，空谱联合学习网络能够同时提取空间和频谱特征；并且进一步挖掘融合的空谱联合特征的隐含信息，提取融合的空谱联合特征的高层语义信息，可以增加判别性，提高了变化检测的精度。
一种联合特征学习网络光谱变化检测方法

[发明专利]相似性约束凸非负矩阵分解的高光谱异常目标检测方法-CN201811615986.8有效
发明人：卢孝强;张无瑕;李学龙 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2018-12-27 - 公布日： 2021-01-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种相似性约束凸非负矩阵分解的高光谱异常目标检测方法，其实现步骤是：(1)对每一个检测区域采用凸非负矩阵分解获得端元；(2)每个端元对待检测像素的表达的贡献是不一样的，对凸非负矩阵分解进行相似性约束；(3)在考虑相似性约束的情况下，计算由端元矩阵构成的基矩阵对应的系数矩阵；(4)通过重构误差来进行异常目标的检测；(5)统计实验结果，计算高光谱图像的异常目标检测精度。本发明与现有基于表达的异常检测方法相比，构建基矩阵时采用端元而非像元，可以正确检测出那些难以区分为背景或者异常的像素，且由端元构建的基矩阵其对应的系数具有物理意义。
相似性约束凸非负矩阵分解光谱异常目标检测方法

[发明专利]一种基于稀疏表达和判别分析相结合的高光谱目标检测方法-CN201710373032.X有效
发明人：卢孝强;李学龙;张无瑕 -专利权人：中国科学院西安光学精密机械研究所
申请日： 2017-05-24 - 公布日： 2020-06-26 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于稀疏表达和判别分析相结合的高光谱目标检测方法，其实现步骤是：(1)对待检测图片进行预检测；(2)根据预检测结果构建背景样本集和构建初始字典；(3)通过重构误差和判别信息对背景样本集进行提纯操作，剔除目标样本，构建提纯后的字典；(4)基于提纯后的具有判别信息的字典，通过Lasso方法获得稀疏系数；(5)统计实验结果，计算高光谱图像的目标检测精度。本发明与现有方法相比，构建字典时只利用了背景样本，解决了目标样本少导致了字典学习的目标样本和背景样本不均衡问题；在构建字典和制定判决规则时，利用了基于距离的判别信息。本发明提出的方法将判别信息充分融入了字典学习的方法中，提高了检测率。
一种基于稀疏表达判别分析相结合光谱目标检测方法

[发明专利]基于区域增长的遥感图像云检测方法-CN201910052293.0在审
发明人：刘说;杨玲;张无瑕;徐梓欣;杨智鹏 -专利权人：成都信息工程大学
申请日： 2019-01-21 - 公布日： 2019-05-24 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于区域增长的遥感图像云检测方法，属于雷达遥感或图像处理技术，主要解决遥感图像云检测缺少热红外频段数据时检测率低、虚警率高以及检测结果中出现空洞、断裂的问题。其实现步骤为：确定待输入的遥感图像，先进行超像素化处理；接着建立多分辨率模型；对不同分辨率超像素化遥感图像进行不同图像相同编号的超像素斑块分别进行乘和减操作，并对其结果进行归一化处理；采用离群值检测方法分别检测出原始显著超像素块和原始显著区域超像素块；采用基于超像素块加权相似性方法检测出云目标；本发明可以在缺少热红外频段数据的情况下实现高分辨率遥感图像云区域的检测，并且以超像素为检测单元，避免检测结果中出现空洞、断裂等情况，以显著超像素块与显著区域超像素块的加权相似性滤除虚警，有效的提高遥感图像云目标检测的检测率，降低检测的虚警率。
遥感图像像素块检测云检测红外频段检测结果区域增长显著区域检测率像素化虚警率像素加权空洞多分辨率模型图像处理技术归一化处理高分辨率雷达遥感目标检测断裂的分辨率斑块滤除虚警断裂图像

1
共 10 条