“遥感图像分类”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1055080个，建议您升级VIP下载更多相关专利

[发明专利]基于全卷积网络的高光谱遥感图像的分类方法-CN201711309106.X在审
发明人：宋春燕;刘亚洲;孙权森 -专利权人：南京理工大学
申请日： 2017-12-11 - 公布日： 2018-06-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于全卷积网络的高光谱遥感图像的分类方法，包括数据预处理、特征提取、分类三个过程，将高光谱遥感图像输入全卷积网络模型中处理，利用全卷积网络的特性，提取高光谱遥感图像的特征，并对其进行分类首先将高光谱遥感数据降到低维空间，然后将低维高光谱图像输入全卷积网络模型中进行处理，取处理过程中得到的卷积层作为特征；再将得到的特征图像分为训练集和测试集，训练稀疏表示字典；最后对测试集进行稀疏重构，得到分类结果本发明充分结合了高光谱数据的光谱和空间特征，利用全卷积网络不限制输入大小的优势，对不同大小、不同样本分布情况的高光谱遥感图像数据，都可以充分提取特征信息，得到非常精确的分类结果。 1
卷积高光谱遥感图像分类分类结果网络模型测试集网络高光谱遥感数据高光谱数据高光谱图像数据预处理低维空间空间特征特征提取特征图像提取特征稀疏表示稀疏重构样本分布训练集低维光谱字典

[发明专利]一种面向对象的遥感图像多特征分类方法-CN202110667760.8有效
发明人：孙康;王敏;陈金勇;李方方 -专利权人：中国电子科技集团公司第五十四研究所
申请日： 2021-06-16 - 公布日： 2023-03-31 - 主分类号： G06T5/00 文献下载
摘要：本发明公开了一种面向对象的遥感图像多特征分类方法，属于遥感图像处理技术领域。该方法在图像分割的基础上，进行孤立点去除和滤波，有效避免了图像分类中存在的“麻点”现象，通过分割对象的再分割和组合，提高图像的分割精度。基于图像分割结果，提取对象的光谱特征、形状特征以及纹理特征共12个维度的特征信息，在分类的时候进行特征组合，实现遥感图像的高精度分类。本发明方法属于非监督方法，不需要训练样本，能够自适应确定类别数目。
一种面向对象遥感图像特征分类方法

[发明专利]一种基于深度学习的卫星图像数据处理系统和方法-CN202210681276.5在审
发明人：许海涛;李源;徐佳康;杨仁金 -专利权人：北京鹏鹄物宇科技发展有限公司
申请日： 2022-06-15 - 公布日： 2022-08-30 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于深度学习的卫星图像数据处理系统和方法，系统包括：特征提取模块、图像分类模块、数据增强模块；方法为：特征提取模块对卫星遥感图像进行标注作为训练数据集，通过卷积神经网络进行特征提取；图像分类模块使用分类器对特征图像进行分类；数据增强模块使用标准卫星遥感图像作为训练集，搭建基于Pytorch的对抗神经网络。比对对抗神经网络的输出与标准图像的差别。对抗神经网络对输入的图像根据不同特征，不同种类的地物目标进行颜色变换，输入彩色且清晰的卫星遥感图像。本发明的优点是：降低卫星遥感图像处理的运算量，提高图像处理速度，自动化程度高。
一种基于深度学习卫星图像数据处理系统方法

[发明专利]一种高光谱遥感图像分类方法及系统-CN202211410962.5在审
发明人：吴克;范佳媛;陈海翔 -专利权人：复旦大学
申请日： 2022-11-11 - 公布日： 2023-04-04 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种高光谱遥感图像分类方法及系统，涉及遥感图像分析领域，该方法包括：将预处理后的高光谱遥感图像输入高光谱图像分类模型，输出待识别的高光谱遥感图像的地物类别；图像分类网络包括依次连接的二维卷积层、高光谱图像块生成模块、光谱注意力嵌入模块、Transformer编码器、全局平均池化层和线性层；高光谱图像块生成模块用于将二维卷积层输出的高光谱图像立方体切分成多个高光谱图像块；光谱注意力嵌入模块用于基于全局平均池化操作、全局最大池化操作和多层感知机对各高光谱图像块进行特征提取。本发明提高了分类准确性的同时，降低了计算量。
一种光谱遥感图像分类方法系统

[发明专利]一种基于聚类分析的开集图像分类方法-CN202211355012.7在审
发明人：陈绵书;张雅琦;胡超亚;桑爱军;李晓妮;郑宏宇 -专利权人：吉林大学
申请日： 2022-11-01 - 公布日： 2023-01-13 - 主分类号： G06V20/10 文献下载
摘要：本发明公开了一种基于聚类分析的开集图像分类方法，包括步骤：将待分类遥感图像输入嵌入网络，得到嵌入特征，并基于聚类模块，确定嵌入特征对应的簇，根据簇确定簇对应的编解码网络；或者基于聚类模块，确定对应的簇，根据簇确定簇对应的嵌入网络和簇对应的编解码网络，并将待分类遥感图像输入嵌入网络，得到嵌入特征；将嵌入特征输入簇对应的编解码网络，得到分类结果；分类结果包括：分类类别和未知类别。由于编解码网络是按照簇分成多个，每个簇的嵌入特征之间比较相似，且与未知类别的待分类遥感图像的嵌入特征相差较大，则未知类别的待分类遥感图像可被该簇对应的编解码网络分类为未知类别，提高了基于聚类分析的代表性
一种基于聚类分析图像分类方法

[发明专利]遥感影像分类方法、分布式风电场的选址方法和设备-CN201810811866.9有效
发明人：于佳鹤 -专利权人：北京金风科创风电设备有限公司
申请日： 2018-07-23 - 公布日： 2021-01-26 - 主分类号： G06K9/62 文献下载
摘要：提供一种遥感影像分类方法、分布式风电场的选址方法和设备，该遥感影像分类方法包括：获取目标区域的遥感影像；从遥感影像中提取多个波段的光谱图像；将每个波段的光谱图像分割为至少一个对象区域，一个对象区域对应一个对象标识；基于多个波段的光谱图像中的每个对象区域所对应的对象标识识别遥感影像中的对象；获取每个对象的代表特征；基于每个对象的代表特征对每个对象进行分类，以确定每个对象的类别。采用本发明示例性实施例的遥感影像分类方法、分布式风电场的选址方法和设备，能够提高对遥感影像中的地物信息的识别精度。
遥感影像分类方法分布式电场选址设备

[发明专利]基于空间校正的半监督自训练的高光谱遥感图像分类方法-CN202111455830.X在审
发明人：武越;白壮飞;肖郑磊;王善峰;公茂果;慕贵峰;苗启广 -专利权人：西安电子科技大学
申请日： 2021-12-01 - 公布日： 2022-04-26 - 主分类号： G06V20/13 文献下载
摘要：本发明公开了一种基于空间校正的半监督自训练的高光谱遥感图像分类方法，包括：按照光谱通道数量，对待分类高光谱遥感图像进行切分，以得到光谱切片数据集；在每个光谱切片数据中，基于局部图像块提取光谱空间特征，以得到待分类高光谱遥感图像对应的光谱空间特征集；基于预设算法对所有局部图像块进行聚类，以得到多个初始簇；按照语义信息，对局部图像块簇进行合并处理，以得到目标簇；计算每个目标簇的置信度；对目标簇中的每个未标记局部图像块赋伪标记集；基于空间局部约束策略，对伪标记集进行迭代校正，以完成高光谱遥感图像的分类。本发明能够在有少量标记局部图像块或者无法获取大量标记局部图像块的情况下高效实现图像分类任务。
基于空间校正监督训练光谱遥感图像分类方法

[发明专利]基于邻接矩阵指导标签嵌入的遥感图像多标签分类方法-CN202110617141.8有效
发明人：张向荣;单守平 -专利权人：西安电子科技大学
申请日： 2021-06-03 - 公布日： 2022-12-27 - 主分类号： G06V10/764 文献下载
摘要：本发明提出了一种基于邻接矩阵指导标签嵌入的遥感图像多标签分类方法，实现步骤为：获取训练样本集、测试样本集、邻接矩阵和标签向量矩阵；构建基于邻接矩阵指导标签嵌入的遥感图像多标签分类模型；对基于邻接矩阵指导标签嵌入的遥感图像多标签分类模型进行迭代训练；获取多标签图像分类结果。本发明通过邻接矩阵和嵌入向量余弦相似度矩阵的最小均方误差损失对标签向量矩阵嵌入过程进行约束，充分考虑了邻接矩阵这一先验信息，提高了多标签图像分类的mF1值；通过引入标签和图像协同嵌入方法，对标签和特征图中每一个像素之间的响应关系进行联合建模，减少了遥感图像背景对于多标签图像分类的影响，进而提高了多标签图像分类的mF1值。
基于邻接矩阵指导标签嵌入遥感图像分类方法

[发明专利]一种基于学习的机场遥感图像检测方法-CN201910305556.4有效
发明人：杨晶晶;张强;徐涛金 -专利权人：昆明理工大学
申请日： 2019-04-16 - 公布日： 2022-07-15 - 主分类号： G06V20/13 文献下载
摘要：本发明提供一种基于学习的机场遥感图像检测方法，首先对遥感图像进行Canny边缘检测，去除遥感图像中的噪声干扰，得到遥感图像具体的边缘信息；然后利用霍夫变换提取遥感图像边缘检测后的最长直线段的起始坐标值，并计算得出该最长直线的长度；最后应用支持向量机进行学习分类预测，将最长直线段起始点坐标值和最长长度值进行级联得到一个增强特征量，输入支持向量机中进行充分的学习；由此可见，本发明将复杂的遥感图像分类问题简单化，排除了机场遥感图像检测中的大量干扰信息，并利用支持向量机强大的二分类能力，不需要过多修改参数，同等条件下，使得本发明方法简易，且具有96.5％的检测准确率。
一种基于学习机场遥感图像检测方法

[发明专利]基于深度学习的光学遥感图像数据处理方法及系统-CN202111575027.X在审
发明人：刘伟;宝音图;牛朝阳;李润生;高欧阳;李钦 -专利权人：中国人民解放军战略支援部队信息工程大学
申请日： 2021-12-21 - 公布日： 2022-03-29 - 主分类号： G06V20/10 文献下载
摘要：本发明属于遥感图像数据处理技术领域，特别涉及一种基于深度学习的光学遥感图像数据处理方法及系统，构建图像场景分类模型和图像语义分割模型，其中，图像场景分类模型中，利用EfficientNet作为特征提取骨干网络来提取输入图像数据的特征，通过若干子分类器对提取的特征进行预分类，并通过平均集成所有子分类器的预分类结果进行再分类来获取关注场景图像；图像语义分割模型中，通过注意力机制及密集连接结构来提取输入图像数据的多级特征并对多级特征进行融合来提取感兴趣目标区域；分别利用训练后的图像场景分类模型和语义分割模型对待处理目标遥感数据进行场景分类和目标区域提取，以筛选出关注场景图像并获取目标区域相关信息，便于实际场景应用。
基于深度学习光学遥感图像数据处理方法系统

[发明专利]一种遥感图像目标识别方法-CN201710183174.X有效
发明人：高红民;杨耀;李臣明;樊悦;陈玲慧;黄昌运;闵海彬;张振;李雪琨;陆迎曙 -专利权人：河海大学
申请日： 2017-03-24 - 公布日： 2020-07-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种遥感图像目标识别方法。包括以下步骤：首先选取典型类别目标的遥感图像构建训练集；接着从训练集中分别提取目标图像的尺度不变特征转换(简称“SIFT”)特征；然后利用谱聚类算法生成视觉词典；再用局部加权向量化的方法对每个图像的特征进行字典的重构编码；最后选取合适的分类器完成图像的分类任务。本发明能够有效提升图像分类识别的精度，提高遥感目标检测识别的效率。
一种遥感图像目标识别方法

[发明专利]空间邻域信息加权的高光谱遥感图像分类方法-CN201310422632.2有效
发明人：陈善学;李俊;于佳佳;韩勇;冯银波 -专利权人：重庆邮电大学
申请日： 2013-09-16 - 公布日： 2016-11-02 - 主分类号： G06K9/62 文献下载
摘要：本发明针对现有高光谱遥感图像分类技术，在图像分类结果存在“杂点”的问题上，提出了一种空间邻域信息加权的高光谱遥感图像分类方案。首先对预处理后的图像数据进行部分主成分分析，获取变换后的特征矩阵，然后对特征矩阵利用空间邻域信息加权的FCM算法实施快速聚类，得到高光谱图像的分类结果。本发明提供的高光谱遥感图像分类方案，充分结合了主成分分析特征降维的功效和高光谱图像丰富的空间邻域信息，在保证算法效率的同时，提高了高光谱图像的分类效果，与传统方法法相比，不仅能够降低计算量，而且可以改善分类效果，克服“同物异谱”和噪声引起的“杂点”现象，获得很好的分类效果。
空间邻域信息加权光谱遥感图像分类方法

[发明专利]一种基于深度学习的高分辨率遥感图像道路提取方法-CN201711307240.6在审
发明人：刘建;耿丹阳;罗伦;钟南;夏威;阳柯;苏航;孙士凯;刘志强;邓蕾;佘绍一;祁钰茜 -专利权人：中交信息技术国家工程实验室有限公司
申请日： 2017-12-11 - 公布日： 2018-07-06 - 主分类号： G06K9/00 文献下载
摘要：本发明公开一种基于深度学习的高分辨率遥感图像道路提取方法，包括通过卫星或航拍器获取遥感图像；建立深度学习模型；标注部分遥感图像并得到矢量路网；在所述遥感图像以及矢量路网上采集道路以及背景样本；采用所述深度学习模型对所述道路以及背景样本进行训练；用训练得到的深度学习网络对所述遥感图像中像素进行分类并得到二值图像；将二值图像中识别出的像素值进行标识。本发明能够提高分类精度，从而识别地物信息。
遥感图像背景样本道路提取二值图像高分辨率矢量像素学习地物信息分类航拍路网标注采集卫星网络

[发明专利]一种基于半监督学习的多光谱河道遥感监测方法-CN202010735133.9在审
发明人：贾克斌;魏之皓;张家琪;冯金超;孙中华;刘鹏宇 -专利权人：北京工业大学
申请日： 2020-07-28 - 公布日： 2020-12-15 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于半监督学习的多光谱河道遥感监测方法，实现对于多光谱河道遥感图像中的河流区域的识别与河道宽度监测的任务。基于多光谱遥感图像的光谱信息，发明一种基于半监督学习的目标区域分类方法，以及基于集成学习的目标区域分类结果融合方法。该方法通过对于多光谱遥感图像进行基于对称卷积神经网络的特征提取，并基于半监督学习和集成学习实现多光谱遥感图像的区域分类识别任务。最后基于计算机视觉设计理念，实现了河道宽度的自动测量监测。
一种基于监督学习光谱河道遥感监测方法

[发明专利]一种基于度量学习的多模型分组融合的遥感图像分类方法-CN202110775768.6在审
发明人：沈钧戈;毛昭勇;丁文俊;王亦晨 -专利权人：西北工业大学
申请日： 2021-07-09 - 公布日： 2021-12-17 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于度量学习的多模型分组融合的遥感图像分类方法，设计了一种双模型特征提取器提取特征，将卷积神经网络提出的多层次特征进行融合，提升模型的表征能力，提出了度量学习的损失函数，通过调节深度卷积神经网络的超参数，得到优化好的神经网络，将待分类的遥感图像数据通过优化好的神经网络，给出遥感图像的更准确地分类，实现对遥感图像的分类。本发明弥补了单一CNN模型在特征提取方面的不足，缓解遥感数据类内多样性和类间相似性高的问题，充分使用卷积神经网络的特征提取能力，进一步提升模型的表征能力，极大改善了分类准确率，在数个遥感数据集上准确率最佳
一种基于度量学习模型分组融合遥感图像分类方法

首页
«上一页
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
下一页»
尾页
共 100000 条