龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：西北工业大学
申请日：2024-01-11
公开（公告）日：2024-04-30
公开（公告）号：CN117953323A
主分类号：G06V10/774
分类号：G06V10/774;G06V10/80;G06V10/25;G06V10/82;G06V10/26;G06V20/10;G06V20/52;G06T3/04;G06N3/0475;G06N3/045;G06N3/094;G06N3/0464
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.17#实质审查的生效;2024.04.30#公开
摘要：本发明涉及一种临地安防中跨模态舰船遥感数据生成和关键部位分割方法，通过用现有三模态对齐的遥感影像数据集训练对抗生成网络。得到将可见光舰船图像转换为红外图像和SAR图像的网络模型。通过引入多模态影像包括SAR、红外和可见光传感器采集的数据，并结合先进的图像融合和注意力机制技术，全天时、全天候提高系统的适应能力。通过综合多模态信息，确保系统在不同光照和天气条件下均能稳定运行，为舰船分割任务提供更为可靠的全面解决方案。因此，本文提出的方法具有重要的实际应用价值，并能够推动舰船等军事目标分割任务的发展。
主权项：1.一种临地安防中跨模态舰船遥感数据生成和关键部位分割方法，其特征在于步骤如下：构建图像训练集：对同一时刻可见光遥感影像、红外遥感影像和合成孔径雷达遥感影像的三模态影像数据进行配准和对齐，使得三种不同模态的影像在空间上具有一致性；将配准和对齐的遥感影像进行分割n*n大小后作为对抗生成网络的跨模态图像训练数据；将训练数据作为对抗生成网络的输入，训练对抗生成网络；将可见光舰船图像输入训练能够就行跨域转换的对抗生成网络，其中源域X是可见光图像目标域，Y是红外图像和SAR图像，得到多模态对齐的舰船数据集；所述舰船数据集包括可见光图像、红外图像和SAR图像；对其中的一副图像进行关键部位标注；将可见光图像转换为灰度图，再与红外图像和SAR图像输入添加图像融合模块和轴向空间注意力机制模块的YOLOv5检测网络，经过YOLOv5检测网络中的融合模块进行合并形成一张三通道伪彩色图像，YOLOv5检测网络的输出为检测出舰船的标注的关键部位；所述添加图像融合模块和轴向空间注意力机制模块的YOLOv5检测网络，将图像融合模块添加到网络的输入部分，ASA轴向空间注意力机制模块添加到网络的骨干段中。
全文数据：
权利要求：
百度查询： 西北工业大学 临地安防中跨模态舰船遥感数据生成和关键部位分割方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号