一种不同城市类型温室气体减排状态及差异评估及系统

    公开(公告)号:CN117709734A

    公开(公告)日:2024-03-15

    申请号:CN202310927673.0

    申请日:2023-07-26

    Applicant: 武汉大学

    Abstract: 本发明涉及一种不同城市类型温室气体减排差异评估方法及系统,包括:1)确定城市温室气体减排评估的研究区域和时间范围,获取温室气体减排趋势评估需要的数据;2)确定城市聚类的经济结构和产业结构数据,并做数据预处理;3)对准备的城市碳排放的时间序列样本进行趋势检验;4)温室气体减排的判断与评估;5)对城市进行SOM‑k‑means聚类;6)针对步骤3的温室气体减排趋势结果和步骤5的城市聚类结果,进一步利用统计方法得到不同城市类型的温室气体减排趋势状态。本发明能够有效的分析不同类型城市达峰原因,根据不同城市的减排能力设计相关政策,合理有效引导城市层面温室气体减排进程,为城市绿色低碳发展规划提供科学指导。

    城市群空间结构的划分方法
    13.
    发明公开

    公开(公告)号:CN116432801A

    公开(公告)日:2023-07-14

    申请号:CN202211542672.6

    申请日:2022-12-02

    Applicant: 武汉大学

    Abstract: 本发明公开了一种城市群空间结构的划分方法,包括:将城市群中的城市按照相应指标进行聚类;在每类城市中选取一个作为阈值划分的典型城市;计算典型城市的建设用地密度;根据步骤3计算的建设用地密度设定城区、郊区、乡村划分的初始阈值,并按照阈值对步骤2选取的典型城市进行划分;从步骤4划分结果中选取错分区域,并取错分区域的建设用地密度均值作为修正阈值;根据步骤5得到的修正阈值重新将其对应的城市群中的每个城市划分城区、郊区、乡村。本发明适用于长时间范围、大空间区域内的城市空间边界提取,克服了传统方法将大范围区域内不同城市按照相同标准划分城区、郊区和乡村带来的误差。

    一种基于多尺度混合指数模型的视频去雨方法

    公开(公告)号:CN110070506B

    公开(公告)日:2022-07-19

    申请号:CN201910298090.X

    申请日:2019-04-15

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于多尺度混合指数模型的视频去雨方法,包括获取原始雨视频信息,根据雨视频的结构特性,构造成多尺度雨视频模型;原始雨视频成分分解,包括将不同尺度雨视频分别分解,得到雨信息,背景以及前景;对不同尺度信息,构造雨视频背景模型、前景运动物体检测模型和基于混合指数模型的初始雨统计模型,从而建立单一尺度下的雨视频的统计模型;对单一尺度下的雨视频统计模型用最大期望迭代优化算法优化,获得去雨后视频;对各个尺度的去雨视频采用金字塔分解重构,并加和平均获得最终的去雨视频。本发明可以有效地建立视频雨条纹噪声模型,提高视频图像去雨的清晰度,并进一步提高后期的视频处理结果的准确度。

    基于个体步行运动时空规律协同辨识的行人重识别方法

    公开(公告)号:CN111666823B

    公开(公告)日:2022-06-14

    申请号:CN202010407695.0

    申请日:2020-05-14

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于个体步行运动时空规律协同辨识的行人重识别方法,首先针对监控视频质量低下的局限性,统计城域街区内定长距离行人经过近邻摄像机的个性化时间活动分布,验证相同个体步行运动模式的一致性及相同类型场景的位置无关性,不同个体步行运动模式存在差异性,建立定长距离下个体步行行为规律(时空)模型;然后利用网络学习变长距离下(相同区域)个体步行运动模型的函数修正关系;接着计算不同类型区域内行人运动事件发生概率;最后结合捕获的行人图像,计算视觉和运动事件的联合概率并排序。由于目前没有行人个体步行时间的数据集供以计算其行为规律,在自建数据集上测试结果证明该方法的有效性,能大大提升行人辨识的效果。

    基于个体步行运动时空规律协同辨识的行人重识别方法

    公开(公告)号:CN111666823A

    公开(公告)日:2020-09-15

    申请号:CN202010407695.0

    申请日:2020-05-14

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于个体步行运动时空规律协同辨识的行人重识别方法,首先针对监控视频质量低下的局限性,统计城域街区内定长距离行人经过近邻摄像机的个性化时间活动分布,验证相同个体步行运动模式的一致性及相同类型场景的位置无关性,不同个体步行运动模式存在差异性,建立定长距离下个体步行行为规律(时空)模型;然后利用网络学习变长距离下(相同区域)个体步行运动模型的函数修正关系;接着计算不同类型区域内行人运动事件发生概率;最后结合捕获的行人图像,计算视觉和运动事件的联合概率并排序。由于目前没有行人个体步行时间的数据集供以计算其行为规律,在自建数据集上测试结果证明该方法的有效性,能大大提升行人辨识的效果。

    一种基于Yolo V3的多源视频影像重点目标快速检测方法

    公开(公告)号:CN109919058A

    公开(公告)日:2019-06-21

    申请号:CN201910143170.8

    申请日:2019-02-26

    Applicant: 武汉大学

    Abstract: 本发明公开一种基于Yolo V3的多源视频影像重点目标快速检测方法,利用“天网系统”所获得的可见光监控视频与热红外监控视频数据源,依据所监测重点嫌疑目标的先验材料,将获取的视频帧图像进行校正后制作训练数据图集,作为输入对目标检测模型Yolo V3进行多尺度训练,利用上述训练所得模型对实时多源监控视频进行快速检测,输出重点嫌疑目标可能出现的区域范围,在所述区域内用搭载有多源数据采集传感器的无人机对目标进行锁定与追踪,将无人机获取的多源影像数据输入到所述目标探测模型中,输出嫌疑目标确切位置。本发明为重点嫌疑目标快速检测与锁定提供一种全天时、大范围、精细化的方法。

    支持遥感影像和数据产品检索的本体模型构建方法及装置

    公开(公告)号:CN109885586A

    公开(公告)日:2019-06-14

    申请号:CN201910067072.0

    申请日:2019-01-24

    Applicant: 武汉大学

    Abstract: 本发明提供了支持遥感影像和数据产品检索的本体模型构建方法及装置,其中本体模型构建方法主要包括六个步骤,1)定义该本体模型的应用范围及边界。2)定义该本体模型中的主要名词。3)定义该本体模型中的主要类和类之间的继承关系。4)定义该本体模型中的主要类之间的对象属性关系。5)建立规则。6)创建类的实例。本发明利用已得到成熟应用的遥感指数模型,克服了遥感影像和数据产品在波段内容含义的差异性问题,解决了针对应用目标领域,跨遥感影像和数据产品类别检索的问题。本发明建立的本体模型构建方法快捷有效,提高了遥感影像和数据产品类别的可检索性,具有可重复性和鲁棒性,对遥感影像和数据产品的有效利用具有及其重要的意义。

Patent Agency Ranking