一种基于改进的层次化显著模型的遥感目标检测方法

发明专利有效专利

申请号：
CN201710115840.6
IPC分类号：G06K9/00;G06K9/32;G06K9/46;G06K9/62
申请日期：
2017-03-01
申请人：
北京航空航天大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于改进的层次化显著模型的遥感目标检测方法
申请号	CN201710115840.6	申请日期	2017-03-01
法律状态	授权	申报国家	中国
公开/公告日	2017-06-30	公开/公告号	CN106909902A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;3;2;;;G;0;6;K;9;/;4;6;;;G;0;6;K;9;/;6;2查看分类表>
申请人	北京航空航天大学	申请人地址	北京市海淀区学院路37号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京航空航天大学	当前权利人	北京航空航天大学
发明人	赵丹培;马媛媛;姜志国;谢凤英;史振威;张浩鹏
代理机构	北京科迪生专利代理有限责任公司	代理人	杨学明;顾炜

摘要

本发明涉及一种基于改进的层次化显著模型的遥感目标检测方法，其步骤为：①将输入图像进行超像素分割；②提取输入图像中每个超像素的底层特征，构造全局信息集与背景信息集；③学习每个超像素与背景信息集间的特征相似度，提取出潜在目标特征图；④生成机场和油罐目标的目标特征图；⑤融合潜在目标特征图和目标特征图生成层级显著图；⑥利用LDA定义自适应学习的结束准则，若满足条件执行⑧，否则执行⑦；⑦利用层级间的反馈机制，将层级显著图作为增强因子对当前层输入图像进行增强，将增强后的图像作为下一层学习的输入图像，执行①，开始新一层的学习；⑧将步骤⑤当前层的层级显著图作为最终显著图，确定目标位置及类别标签，完成遥感目标检测。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供