-
公开(公告)号：CN111683221A
公开(公告)日：2020-09-18
申请号：CN202010438052.2
申请日：2020-05-21
Applicant: 武汉大学
Abstract: 一种嵌入矢量红线数据的自然资源实时视频监测方法及系统，包括获取自然资源矢量红线数据和对应的高分辨率遥感影像，获取摄像头初始画面图像；将矢量红线数据叠加到高分辨率遥感影像上，借助遥感影像语义信息，在视频图像和矢量红线数据上识别同名点，计算几何映射关系；将矢量红线数据映射到实时视频，获得视频监控区域；通过获得在尺度和空间均匀分布的特征点，对监控视频相邻帧图像进行匹配获得同名点；根据同名点得到图像间几何变换关系，将前一帧图像上的监控区域范围映射到后一帧图像，实现图像帧之间监控区域关联；根据几何关系，在监控视频上进行面积量测，并支持基于确定的视频区域，进行后续相关目标运动分析，实现区域自动预警报警。
-
公开(公告)号：CN109086405A
公开(公告)日：2018-12-25
申请号：CN201810862331.4
申请日：2018-08-01
Applicant: 武汉大学
Abstract: 本发明提供基于显著性和卷积神经网络的遥感图像检索方法及系统，包括对检索图像库中的图像提取显著图；将检索图像库中的图像输入预训练的卷积神经网络模型中，提取各卷积层的特征映射图作为卷积层特征；将各卷积层的特征映射图进行上采样，扩展至输入的图像原始大小，得到合成的卷积层特征；利用显著图对合成的卷积层特征进行加权整合，编码形成最终有效的特征表示；对于给定的待检测遥感影像，提取特征表示，基于检索图像库各图像的特征表示进行相似性度量检索。本发明结合显著图和卷积神经网络，同时考虑了显著区域和背景区域的信息，在卷积层特征上进一步提取有效特征表示，可降低计算成本，并且对于尺度变化、噪声干扰均具有鲁棒性。
-
公开(公告)号：CN105825543B
公开(公告)日：2018-06-19
申请号：CN201610199944.5
申请日：2016-03-31
Applicant: 武汉大学
Abstract: 本发明提供基于低空遥感影像的多视密集点云生成方法及系统，主要用于低空遥感影像的密集点云生成，包括：首先，通过基于面元的多视立体匹配方式生成准密集的种子点；然后以物方面元为基准对PMVS生成的准密集匹配的种子点进行扩散及优化，最后进行异常值过滤。本发明相比原有的多视立体匹配方法，点云密度更高，提供了更清晰地表达地物的细节特征的技术方案。
-
公开(公告)号：CN109086405B
公开(公告)日：2021-09-14
申请号：CN201810862331.4
申请日：2018-08-01
Applicant: 武汉大学
IPC: G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明提供基于显著性和卷积神经网络的遥感图像检索方法及系统，包括对检索图像库中的图像提取显著图；将检索图像库中的图像输入预训练的卷积神经网络模型中，提取各卷积层的特征映射图作为卷积层特征；将各卷积层的特征映射图进行上采样，扩展至输入的图像原始大小，得到合成的卷积层特征；利用显著图对合成的卷积层特征进行加权整合，编码形成最终有效的特征表示；对于给定的待检测遥感影像，提取特征表示，基于检索图像库各图像的特征表示进行相似性度量检索。本发明结合显著图和卷积神经网络，同时考虑了显著区域和背景区域的信息，在卷积层特征上进一步提取有效特征表示，可降低计算成本，并且对于尺度变化、噪声干扰均具有鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112766090A
公开(公告)日：2021-05-07
申请号：CN202110006569.9
申请日：2021-01-05
Applicant: 武汉大学
Abstract: 本发明涉及一种利用多季相Sentinel‑2影像快速识别城郊闲置耕地的方法与系统，通过挑选出不同季节的Sentinel‑2影像数据，进行一系列的预处理，消除闲置耕地识别影响因素，对预处理后的Sentinel‑2多季相时间序列影像，分别计算多季相EVI指数影像、多季相TTVI指数影像；合成多季相Sentinel‑2影像波段与多季相EVI、TTVI指数影像为多波段影像，利用高分辨率的Google earth影像，生成闲置耕地和其他用地的训练样本，利用选择的训练样本，对多波段影像进行决策树分类，从而快速识别闲置耕地。本发明利用闲置耕地和地物的季节特征，可以快速识别城郊闲置耕地，大大提高了对闲置耕地的监管效率。
-
公开(公告)号：CN107220996B
公开(公告)日：2019-07-09
申请号：CN201710349806.5
申请日：2017-05-17
Applicant: 武汉大学
IPC: G06T7/33
Abstract: 本发明提供一种基于三角结构一致的无人机线阵与面阵影像匹配方法，包括对无人机所采集原始的面阵影像和线阵影像进行预处理；设左影像为面阵影像，设右影像为线阵影像，获得初始匹配点对，进行误匹配剔除；对特征点进行聚类，并根据聚类中心对左右影像进行Voronoi图划分；将左影像上任一个特征点作为待匹配点，选择距离最近的两个聚类中心构成三角结构；然后根据三角结构的一致性，在右影像上基于相应聚类中心估算待匹配点的同名点所在区域，得到最终的同名点对；将获取的同名点对反算得到匹配结果。本发明利用预处理影像后同名特征点之间几何结构的一致性，精确估算待匹配点所在区域，极大地提高了影像匹配的效率和正确率。
-
公开(公告)号：CN105243154B
公开(公告)日：2018-08-21
申请号：CN201510708598.4
申请日：2015-10-27
Applicant: 武汉大学
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：CN105825543A
公开(公告)日：2016-08-03
申请号：CN201610199944.5
申请日：2016-03-31
Applicant: 武汉大学
CPC classification number: G06T15/005 , G06T5/002 , G06T15/08 , G06T2207/10032
Abstract: 本发明提供基于低空遥感影像的多视密集点云生成方法及系统，主要用于低空遥感影像的密集点云生成，包括：首先，通过基于面元的多视立体匹配方式生成准密集的种子点；然后以物方面元为基准对PMVS生成的准密集匹配的种子点进行扩散及优化，最后进行异常值过滤。本发明相比原有的多视立体匹配方法，点云密度更高，提供了更清晰地表达地物的细节特征的技术方案。
-
公开(公告)号：CN105160686A
公开(公告)日：2015-12-16
申请号：CN201510688554.X
申请日：2015-10-21
Applicant: 武汉大学
IPC: G06T7/00
CPC classification number: G06T2207/10032
Abstract: 本发明公开了一种基于改进SIFT算子的低空多视角遥感影像匹配方法，首先采用优化的DoG算子对第一影像和第二影像进行特征点检测，然后利用基于局部区域采样模拟的SIFT描述子对特征点进行描述形成特征向量，最后采用NNDR策略形成初始匹配特征点，并利用基于极几何约束的RANSAC算法对匹配点进行提纯。本发明能够有效地解决低空遥感影像匹配中存在的多视角以及弱纹理等问题。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.016 seconds)
