内容提供者
一种基于多特征融合机制的遥感影像地物分割方法.pdf
2023-05-24
10金币
1.6MB
13页
a是****澜吖
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共13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
一种基于多特征融合机制的遥感影像地物分割方法.pdf
本发明涉及一种基于多特征融合机制的遥感影像地物分割方法,所述地物分割方法包括:建立基于编码器和解码器架构的深度学习模型,将测试的图像输入到编码器中进行逐层卷积并通过注意力机制来对低阶语义信息进行筛选,以突出目标特征抑制背景噪声;解码器接收编码器处理结果进行反卷积保留并向上传递,在解码网络的最终输出位置将每层单独保留的特征图与解码网络的结果进行多特征融合,达到提高特征还原精度的目的,将得到与原图像尺寸相同的语义标记映射到原始图像上,实现分割结果的可视化。本发明通过轻量级的通道注意力机制和深度多特征融合机制,
2023-05-24
10
1.6MB
基于卫星遥感多光谱和全色影像融合的地物要素分类方法.pdf
本发明涉及一种基于卫星遥感多光谱和全色影像融合的地物要素分类方法，具体包括以下步骤：S1、获取目标区域的多光谱影像和全色影像，提取多光谱影像的EMAP空间特征，与多光谱影像进行级联，得到浅层空谱特征；S2、浅层空谱特征作为深度网络的输入，全色影像作为重构输出，通过网络训练得到多分辨率隐层特征；S3、分别提取低分辨率隐层特征、中分辨率隐层特征和高分辨率隐层特征，通过卷积神经网络分别进行特征融合与分类训练，得到目标区域内的地物要素分类结果。与现有技术相比，本发明结合了影像上全局尺度上的浅层特征，和局部尺度上的
2023-07-25
10
1.9MB
多尺度特征融合遥感影像分割方法、装置、设备和存储器.pdf
本申请涉及一种多尺度特征融合遥感影像分割方法、装置、设备和存储器。所述方法包括：获取遥感影像，并进行标注，得到训练样本；构建多尺度特征融合遥感影像分割网络，该网络包括：用于将训练样本分割成固定大小的小块，将其展开成一维向量并嵌入位置编码得到输入序列的输入网络；用于利用多层Transformer模块提取输入序列不同层次的编码器；用于通过融合多尺度特征图得到样本预测结果的解码器；利用训练样本对该网络进行训练，得到训练好的多尺度特征融合遥感影像分割模型，并利用该模型得到待测遥感影像的预测结果。该方法充分利用编码
2023-07-25
10
1MB
边缘引导多尺度特征融合的光学遥感图像地物分类方法.pdf
本发明公开了边缘引导多尺度特征融合的光学遥感图像地物分类方法，涉及光学遥感图像处理技术领域，能够保留空间细节特征信息，并有效融合高层语义信息与低层细节信息，以得到精细准确的地物分类结果。包括以下步骤：主干网络对输入的光学遥感图像进行处理，获得多个不同层次的特征图，将不同层次的特征输入边缘特征提取模块，通过边缘真值图监督该模块的学习过程，并由卷积网络输出多尺度边缘感知特征。多尺度边缘感知特征和高层特征输入边缘引导特征融合模块，通过矩阵相关运算和卷积层实现多尺度的特征融合，得到融合特征，并通过上采样输出分割结
2023-11-04
10
1.2MB
一种基于注意力机制与多尺度特征融合的植物图像分割方法.pdf
本发明公开了一种基于注意力机制与多尺度特征融合的植物图像分割方法，包括划分训练集、验证集和测试集，并进行数据处理；提取多尺度特征，包括深层特征和浅层特征；调整深层特征的通道权重，并对深层特征图进行上采样处理，得到上采样引导后的深层特征图；调整浅层特征的空间分布权重，得到调整空间分布权重后的浅层特征图；将上采样引导后的深层特征图和调整空间分布权重后的浅层特征图进行多尺度融合，得到多尺度融合后的特征图；模型训练，得到训练好的植物图像分割模型；最后对模型进行验证和测试。本发明能够较好的解决复杂背景下植物图像分割
2023-06-28
10
616KB