本发明属于高光谱图像识别技术领域,涉及一种高光谱图像的光谱和空间特征的识别方法,将高光谱图像划分为N块具有光谱和空间特征的图像块;从高光谱图像中提取并激活的图像块,再将图像块通过批标准化处理生成一阶统计特征,通过一阶统计特征及其转置的外积进行逐元素相乘获得二阶统计特征;将二阶统计特征转换为局部特征图输入交叉正交注意力机制,通过用于衡量特征映射间相关性的亲和矩阵计算水平注意力矩阵以及垂直注意力矩阵,根据水平和垂直注意力矩阵计算切比雪夫距离来调整局部特征图的加权特征;对加权特征进行二维卷积处理,生成加权特征图,通过和矩阵进行向量化处理,用全连接层完成识别。
📄 2025114033723
📂 G06V20_10
👤 江南大学, 湖州师范大学
📅 2025-09-29
本发明涉及一种智慧农业云平台监控系统,尤其涉及农业技术领域,所述系统包括,采集模块,用以采集土壤信息、环境信息、施药区域信息和农作物信息,土壤分析模块,用对土壤条件进行分析,第一调整模块,对土壤条件分析的过程进行调整,种植密度分析模块,对农作物的标准种植密度进行分析,第二调整模块,用对标准种植密度的分析过程进行调整,获取模块,获取农作物图像中的目标图像,虫害分析模块,对获取的目标图像对虫害进行分析,施药方式控制模块,控制施药方式,优化模块,用以根据一个生产周期内农作物的产量对施药方式的控制过程进行优化,本发明提高了对农作物的监控效率。
📄 2023110991796
📂 G06V20_10
👤 山东孟子居生态农业股份有限公司
📅 2023-08-30
本发明公开了一种图像处理方法、装置、存储介质及电子设备,涉及图像处理技术领域,包括:将原始图像输入图像处理模型,获得目标图像;其中,图像处理模型基于高光谱图像的空间分辨率退化模型和正则项约束构建,正则项约束基于对低分辨率的高光谱图像的线性约束和非线性约束构建。本发明通过将低空间分辨率的原始图像输入图像处理模型,输出得到高空间分辨率的目标图像,并且由于图像处理模型基于高光谱图像的空间分辨率退化模型和正则项约束构建,其中的正则项约束考虑了在空间或光谱维联合的线性约束和非线性约束,既对低维空间进行刻画,又对在空间和光谱维的非线性结构表征,联合线性和非线性的约束,使得目标图像的空间分辨率得以提升。
📄 2024110177016
📂 G06V20_10
👤 四川工程职业技术大学
📅 2024-07-29
本申请提供一种遥感图像随机长度条带去除方法、装置、设备及介质,包括:获得目标图像对应的第一变量、随机长度条带噪声图像对应的第二变量和随机噪声图像对应的第三变量;根据非局部总变分正则化对第一变量进行正则化约束,获得非局部总变分正则项;根据非局部低秩分解和范数约束分别对第二变量进行正则化约束,获得对应的第一正则项和第二正则项;根据稀疏正则化对第三变量进行正则化约束,获得数据保真项;构建目标模型;求解目标模型,以实现从初始遥感图像中恢复目标图像。本申请通过分析随机条带噪声的非局部低秩性以及目标图像的局部和非局部的相似性,能够去除随机长度条带噪声,并恢复出目标图像的纹理信息,从而有效地降低光谱畸变。
📄 202210913876X
📂 G06V20_10
👤 四川工程职业技术学院
📅 2022-08-01
本发明公开了一种作物光谱聚类分析处理方法及其图像采集装置,涉及农作物叶片光谱数据采集设备技术领域,包括采集田间的作物光谱采集、光谱数据格式转换、将光谱数据上传到Hadoop计算平台等步骤,本发明通过Hadoop框架进行光谱数据的分布式并行聚类分析,加速聚类算法的建模与预测速度,采用Hadoop框架的HDFS进行光谱数据的分布式存储,避免光谱数据的损坏与丢失,与此同时,通过在田间布设多个系留平台,根据需要在各个系留平台上放置相应的图像采集器进行作物光谱图像的采集,解决了传统方式中图像采集不便、无人机采集图像质量低的缺陷,系留平台的安装方式灵活,可根据需要设置在田间的相应位置,成本低廉,极大地提高了图像采集效率。
📄 2021110251896
📂 G06V20_10
👤 南京拓维智联信息技术有限公司
📅 2021-09-02
本发明公开了一种基于Spark平台的油菜渍害高光谱图像检测方法及其图像采集装置,涉及信息处理技术领域,包括图像采集、图像格式转换、图像存储与管理……得到图像数据的分类检测分析结果等步骤,本发明通过Hadoop框架进行作物灾害胁迫下图像数据的分布式并行分类分析,加速分类算法的建模与预测速度,图像数据量越大优势越明显,算法适用于Hadoop框架下的并行化运行,避免图像数据的损坏与丢失,并且通过在田间布设多个系留平台,根据需要在各个系留平台上放置相应的图像采集器进行作物光谱图像的采集,解决了传统方式中图像采集不便、无人机采集图像质量低的缺陷,系留平台的安装方式灵活,可根据需要设置在田间的相应位置,成本低廉,提高了采集效率。
📄 2021110291840
📂 G06V20_10
👤 南京工业职业技术大学; 江苏省农业科学院
📅 2021-09-02
本发明涉及遥感图像处理技术领域,具体为一种遥感驱动的土地利用监控系统。本发明通过提取遥感图像中地物边界轮廓并构建具有几何结构比例特征的形态参数集合,建立了基于结构特征划分土地空间形态的路径类别数据体系,引入归一化处理与高斯混合模型实现对地物纵横比聚类,结合分布集中度构建结构差异指标集,明确识别路径类型以追踪地块方向或结构变动轨迹,在多时相遥感图像中基于斑块邻接区域的地类编号变化和连接方向数量计算扰动因子,并据此对地块在指定周期内的主方向、边界轮廓相似度及空间扰动进行综合判别,进而实现土地利用状态的动态变化识别,通过设定判别基准与变化状态标记机制可准确反映土地利用形态变化幅度与时间周期特征。
📄 2025114380396
📂 G06V20_10
👤 神马科技(贵州)有限公司
📅 2025-10-09
本申请提供了一种障碍物的检测方法、装置与检测系统。该方法包括:获取深度图像以及深度图像中的各个像素点的像素坐标,得到多个像素坐标;将多个像素坐标转换至世界坐标系,得到多个点云,世界坐标系的X轴与Z轴构成的预定平面平行于水平面;至少根据多个点云的法向量,得到目标障碍物点云。该方法中,世界坐标系的X轴与Z轴构成的预定平面平行于水平面,对世界坐标系的建立进行了约束,该坐标系有且仅有一个坐标轴垂直于水平面,使得将多个像素坐标转化至世界坐标系过程的计算量减小,从而使得该障碍物的检测方法的整体计算量较小,缩短了障碍物的检测时间,进而解决了现有技术中缺乏一种轻量化的障碍物检测算法的问题。
📄 2022104062675
📂 G06V20_10
👤 广东省大湾区集成电路与系统应用研究院
📅 2022-04-18
本发明提供了一种基于LS‑YOLOv5网络的绿豆叶斑病病斑检测方法及装置,使用labelimg标注工具对预先获取的原始叶片图像进行标注;采用Mosaic数据增强算法对原始叶片图像进行数据预处理;并划分为训练集、验证集和测试集;构建LS‑YOLOv5叶斑病检测网络,其中的Backbone中均使用B‑CSP模块;Backbone中的最后一个CBL模块后面添加D‑SPP模块;Backbone中的D‑SPP模块前添加ECA注意力模块;Neck搭建方式采用原YOLOv5算法模型相同的方式搭建;训练LS‑YOLOv5叶斑病检测网络,将经过预处理后的叶斑病训练集通过搭建好的LS‑YOLOv5叶斑病检测网络,获得用于叶斑病检测的LS‑YOLOv5模型预训练权重;将待检测叶斑病图片输入最优权重模型进行叶斑病检测。本发明可用于绿豆叶斑病检测,网络体积小,检测效率高,具有较好的鲁棒性与广泛的应用价值。
📄 2023100332519
📂 G06V20_10
👤 淮阴工学院; 江苏省农业科学院
📅 2023-01-10
本发明公开了一种基于AB‑Net的葡萄叶斑病识别方法,所述方法包括:采集并保存葡萄叶斑病图像数据;根据病害类别对葡萄叶斑病图像数据进行人工标注,并制作成数据集;将数据集按照一定比例分割为训练集和测试集并且对葡萄叶斑病图像进行预处理;构建基于AB‑Net的葡萄叶斑病识别模型,包括特征提取模块和重复堆叠三次的特征融合模块CNeck;所述CNeck模块包括一个BottleNeck双残差路径模块和一个ANeck模块;通过多次迭代得到最好的预训练模型权重,然后对测试集的病害样本进行验证分类。本发明通过先分类后识别的方法来确定叶斑病病害类别,鲁棒性更强,自适应能力更强,识别率更高。
📄 2023103984919
📂 G06V20_10
👤 淮安大学
📅 2023-04-14
本发明实施例提供一种遥感图像的道路提取方法、装置、设备和存储介质,涉及图像处理技术领域。其中,这种道路提取方法包含:S101、获取遥感图像。S102、构建轻型U‑Net模型。S103、根据所述轻型U‑Net模型构建道路提取模型。其中,所述道路提取模型包括逐级连接的多个所述轻型U‑Net模型,以及将多个轻型U‑Net模型的输出融合成最终输出的融合模型。S104、根据所述道路提取模型从所述遥感图中提取道路提取图。通过逐级连接的多个所述轻型U‑Net模型,并通过融合模型将多个所述U‑Net模型的输出图像融合,以获得道路提取图。所使用的道路提取模型结构简单,且能够端对端的训练,一体化强,提取质量也很高。
📄 202110064751X
📂 G06V20_10
👤 华侨大学
📅 2021-01-18
本发明提供一种基于重建偏重U‑Net的道路提取方法、装置、设备和存储介质,方法包括:获取训练集和验证集;构建U‑Net神经网络模型,其中U‑Net神经网络模型包括编码器和解码器,所述编码器包括五个卷积模块,所述解码器包括四个上采样重建层;将所述训练集输入U‑Net神经网络模型进行训练,并保存所述网络模型的参数,以获得初始U‑Net神经网络模型;将所述验证集输入初始U‑Net神经网络模型并结合损失函数训练,直至模型收敛,以获得训练好的U‑Net神经网络模型。将待检测图像输入训练好的U‑Net神经网络模型,获取道路提取结果。本发明的道路提取U‑Net神经网络模型,能有效增强网络的重建能力,使得网络对于遮挡等信息,具备更好的逻辑推理能力,能取得更好的分割精度和鲁棒性。
📄 2021100386149
📂 G06V20_10
👤 华侨大学
📅 2021-01-12