基于生成对抗网络的多级特征时空遥感图像融合方法.pdf
是你****馨呀
亲,该文档总共19页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于生成对抗网络的多级特征时空遥感图像融合方法.pdf
本发明提供一种基于生成对抗网络的多级特征时空遥感图像融合方法。本发明中的生成对抗网络由条件生成器网络和鉴别器网络构成,条件生成器网络采用图像特征提取网络、图像特征融合网络、图像重建网络来提取、融合多级特征,并依靠多级特征重建影像,以处理高分辨率影像和低分辨率影像的巨大差异。在特征融合阶段,设计了自适应实例标准化模块来处理多时相图像之间的全局变化关系,并设计了注意力模块来处理局部变化关系。经过对条件生成器网络和鉴别器网络的交替训练,可利用训练好的条件生成器网络解决遥感时空影像融合问题,生成融合的预测时间高分
一种基于生成对抗网络的遥感图像融合方法、系统和终端.pdf
本发明公开了一种基于生成对抗网络的遥感图像融合方法,包括:采用差分算子提取原始全色图像的空间结构信息,采样原始的多光谱图像;将空间结构信息与采样的多光谱图像在特征域拼接,得样本图像;将样本图像输入生成对抗网络的生成器,生成融合图像;将融合图像和真实图像输入生成对抗网络的判别器进行判别区分,在生成器与判别器间建立对抗规则及融合目标函数,优化融合图像。采用本发明所公开的基于生成对抗网络的遥感图像融合方法,采用差分算子保留了原始全色图像的空间结构信息,采样方法保留了原始低分辨率多光谱图像的光谱信息,有效减少了融
基于语义融合生成对抗网络的图像比特增强方法及装置.pdf
本发明公开了一种基于语义融合生成对抗网络的图像比特增强方法及装置,方法包括:生成器以残差结构为框架,添加输入图像到输出的全局跳跃连接和语义融合层,将零填充后的高比特图像和语义分割结果作为输入,输出重构后的高比特图像;鉴别器基于VGG网络,具有图像真假预测分支和图像语义类别预测分支,将重构后的高比特图像或真实的高比特图像作为输入,输出为对输入图像是否为重构图像的预测和该图像所属类别的预测;对测试集预处理得到的零填充后的高比特图像和语义分割结果输入到已加载训练模型参数后的生成器网络得到重构高比特图像。装置包括
基于生成对抗网络的多模态多尺度特征融合目标检测方法.pdf
本发明公开了基于生成对抗网络的多模态多尺度特征融合目标检测方法,将可见光摄像设备和红外光摄像设备生成的图像分别传入到并行的预训练Darknet53网络中,尽可能提取出各自图像中深层次的特征数据,并在最后三个残差网络中提取出三种不同尺度的特征图,将两种模态多尺度的特征图传递给特征融合模块;使用基于条件生成对抗网络中预训练出的生成器将多模态多尺度的特征图进行深层次融合,使原始可见光模态的特征图中注入更多的目标特征信息;最后将生成的多尺度多模态融合特征图依次级联并传递到各个YOLO层完成目标检测任务。本发明可以
基于局部与全局特征融合的遥感图像分类方法和装置.pdf
本申请涉及图像识别技术领域的一种基于局部与全局特征融合的遥感图像分类方法和装置。该方法包括:将获取的遥感图像进行标注作为训练样本;构建遥感图像分类模型,该模型包括输入网络、特征提取网络和分类网络;其中,输入网络用于采用空洞卷积对训练样本进行多分支多尺度特征提取,特征提取网络用于采用4个由1个下采样层和若干个堆叠的RMFE模块组成stage依次进行全局与局部特征提取与融合,其中RMFE模块采用纯卷积方式同时提取局部与全局特征;采用训练样本对遥感图像分类模型进行训练,采用训练好的遥感图像分类模型对待测遥感图像