公开(公告)号：CN103678552A

公开(公告)日：2014-03-26

申请号：CN201310652866.6

申请日：2013-12-05

Applicant: 武汉大学

Inventor： 邵振峰 ,  周维勋 ,  王星

IPC: G06F17/30

CPC classification number: G06F17/30256

Abstract: 本发明公开了一种基于显著区域特征的遥感影像检索方法及系统，包括步骤：利用视觉注意模型获取影像显著图；通过自适应阈值法将影像显著图二值化；将原始影像与对应的二值化显著图进行“掩膜”运算得到影像的显著区域；提取影像显著区域的显著点，基于显著点特征对显著点进行聚类，获得描述显著区域特征的特征向量；最后，按照预设的相似性度量准则进行影像检索。本发明在保证特征提取效率的同时，提高了检索查准率，改善了检索结果，且符合人眼视觉特点。

公开(公告)号：CN109657082A

公开(公告)日：2019-04-19

申请号：CN201810986598.4

申请日：2018-08-28

Applicant: 武汉大学

Inventor： 邵振峰 ,  周维勋 ,  李从敏 ,  杨珂

IPC: G06F16/53 ,  G06F16/583

Abstract: 本发明提供了一种基于全卷积神经网络的遥感图像多标签检索方法及系统，顾及遥感图像的多类别信息实现多标签的图像检索，包括输入检索图像库，分成训练集和验证集；构建全卷积神经网络模型FCN，利用训练集进行网络训练；利用FCN对验证集中的各图像分别进行多类别标签预测，得到分割结果；并对各卷积层特征图进行上采样；提取验证集中各图像的局部特征，得到用于检索的特征向量；最后基于提取的多尺度特征和多标签信息进行由粗到细的两步式检索。本发明利用全卷积神经网络不仅学习了图像的多尺度局部特征，而且充分挖掘了图像隐含的多标签信息，相比现有的基于单标签的遥感图像检索方法，有效地提高了图像检索的准确度。

公开(公告)号：CN105243154A

公开(公告)日：2016-01-13

申请号：CN201510708598.4

申请日：2015-10-27

Applicant: 武汉大学

Inventor： 邵振峰 ,  周维勋 ,  李从敏

IPC: G06F17/30 ,  G06K9/46

CPC classification number: G06F17/30256 ,  G06K9/4671

Abstract: 一种基于显著点特征和稀疏自编码的遥感图像检索方法及系统，包括提取图像库中各图像的特征点得到特征点矩阵，并利用视觉注意模型计算各图像的显著图；采用自适应阈值法将显著图二值化，并与特征点矩阵进行掩膜运算得到过滤后的显著特征点；从各训练图像分别选取若干显著特征点构造训练样本，根据白化后的训练样本集训练稀疏自编码网络，得到特征提取器；利用特征提取器进行特征提取，并用阈值函数对提取的图像特征进行稀疏化处理，得到最终的用于检索的特征向量；基于提取的特征向量，根据预设的相似性度量准则进行图像检索。本发明通过训练的稀疏自编码网络实现了图像特征的自动提取，并且提取的特征具有很好的识别力，保证了检索查准率。

公开(公告)号：CN104463224A

公开(公告)日：2015-03-25

申请号：CN201410817202.5

申请日：2014-12-24

Applicant: 武汉大学

Inventor： 邵振峰 ,  王毓乾 ,  张磊 ,  周维勋 ,  张邻晶

IPC: G06K9/62 ,  G06T7/00

CPC classification number: G06K9/6267 ,  G06T7/70 ,  G06T2207/10032

Abstract: 本发明提供基于丰度显著性分析的高光谱图像解混方法及系统，包括建立待处理的高光谱遥感图像的端元光谱库；用基于稀疏回归的混合像元分解方法对每个像元进行初步混合像元分解并按照丰度值的大小降序排列，对排序后的丰度序列进行显著性分析，得到显著性丰度的临界值，然后根据预设的显著性丰度阈值进行判断组成该像元的稀疏表示端元子集；最后采用丰度约束的最小二乘法再次进行混合像元分解，将结果作为最终的混合像元分解结果。本发明可以得到更为稀疏和准确的像元表示端元子集，并且提高高光谱遥感图像混合像元分解的精度，在基于高光谱遥感图像的高精度地物分类以及地面目标检测和识别方面具有重要的应用价值。