一种基于Transformer的合成孔径雷达图像盲超分辨率方法和装置

    公开(公告)号:CN117575914A

    公开(公告)日:2024-02-20

    申请号:CN202311785332.0

    申请日:2023-12-22

    Applicant: 武汉大学

    Inventor: 饶佳豪 田昕

    Abstract: 本发明提出了一种基于Transformer的合成孔径雷达(Synthetic Aperture Radar,SAR)图像盲超分辨率方法和装置。利用SAR图像成像模型和Transformer机制,提出一种基于Transformer的SAR图像盲超分辨率方法。首先根据SAR图像成像模型构建大范围退化空间,增强网络的盲超分辨率能力;然后,通过有效结合自注意力和通道注意力,使网络更多地关注非噪声信息,有效抑制了SAR图像散斑噪声,并使用多层次跨残差连接以提取深层特征对SAR图像精细化重建;最后,通过全局残差连接以重构高分辨率图像。超分辨率重建结果具有更少的噪声,且对表面的纹理特征具有较强的重建能力。

    一种基于稀疏张量先验的高光谱、多光谱和全色图像融合方法

    公开(公告)号:CN115131258A

    公开(公告)日:2022-09-30

    申请号:CN202210703371.0

    申请日:2022-06-21

    Applicant: 武汉大学

    Inventor: 田昕 张玮 李坤

    Abstract: 本发明针对将高光谱图像与多光谱图像和全色图像融合得到融合后高光谱图像的应用需求,提出了一种基于稀疏张量先验的高光谱、多光谱、全色图像融合方法,本发明的融合方法通过建立稀疏张量先验,用以充分挖掘融合后高光谱图像中空间、光谱和非局部相似块之间关系。本发明提出的模型包含数据保真项和稀疏张量先验项,并通过交替方向乘子法进行求解,从而获得定性和定量方面均优于对比方法的融合后高光谱图像。与其他融合算法相比,本发明的融合结果清晰度更高,各项指标也最接近于理想值,在定性和定量方面均优于对比方法。

    一种基于神经网络学习先验的光子反射率图像去噪方法

    公开(公告)号:CN113205462B

    公开(公告)日:2022-07-19

    申请号:CN202110367190.0

    申请日:2021-04-06

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于神经网络学习先验的光子反射率图像去噪方法,主要包括成像模型的构造与模型的网络化。首先构造光子计数成像模型,对模型进行求解,得到相应的子问题,然后将子问题的模型进行网络化,构建卷积神经网络,给定训练集,对先验和模型相应参数进行学习,最后得到光子反射率图像的去噪结果。通过实验证明,本发明提出的方法通过学习先验,将模型网络化,采用卷积神经网络对图像进行去噪,从而使得去噪图像的上述指标接近理想值。

    基于限流器和断路器的混合直流输电故障处理系统及方法

    公开(公告)号:CN110829396B

    公开(公告)日:2022-04-15

    申请号:CN201911125575.5

    申请日:2019-11-18

    Applicant: 武汉大学

    Abstract: 本发明涉及电力系统及自动化技术,具体涉及基于限流器和断路器的混合直流输电故障处理系统及方法,该系统在输电线路的入口和出口各装设一套电阻型超导故障限流器设备和混合式直流断路器设备,设计可控延时来协调电阻型超导故障限流器和混合式直流断路器的动作时间间隔,以实现两者之间的配合,有效处理混合直流输电系统中的直流故障。该系统的方法在处理直流故障时具有有效性和适用性,特别是对于电压源换流器型换流站,能够有力地抑制直流故障电流上升、减少暂态电压持续时间、显著降低混合型断路器耗散能量,对于电网换相型换流站该方法可以作为一个有效的后备手段,确保及时实现故障隔离。有效提高了整个混合直流输电系统的鲁棒性。

    一种基于空间-光谱全变分正则化的高光谱融合方法

    公开(公告)号:CN113205453B

    公开(公告)日:2022-03-15

    申请号:CN202110367197.2

    申请日:2021-04-06

    Applicant: 武汉大学

    Inventor: 田昕 陈月荣 李松

    Abstract: 本发明公开了一种基于空间‑光谱全变分正则化的高光谱、多光谱和全色数据融合的方法。本发明主要针对由低分辨率高光谱图像与低分辨率多光谱和高分辨率全色图像融合得到高分辨率高光谱图像的应用需求。我们的融合方法将图像的子空间正则化与图像融合相结合,从而将对融合目标的求解转为对低维系数矩阵的求解。我们提出的模型包含三个二次数据拟合项和一个空间‑光谱全变分正则化项,并通过ADMM算法进行求解,从而获得定性和定量方面均优于对比方法的高光谱融合图像。

    一种基于偏振调制的双目标光子测距方法

    公开(公告)号:CN114019526A

    公开(公告)日:2022-02-08

    申请号:CN202111219396.5

    申请日:2021-10-20

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于偏振调制的双目标光子测距方法。利用共焦扫描系统对微光条件下双目标场景的回波光子信号进行建模,并基于泊松负对数似然函数由光子计数器接收实际计数值直接计算理论计数值。此外,本发明建立了光子计数器的理论计数率与回波信号的几个变量之间的关系,变量包括双目标的单脉冲平均回波光子数和回波光子飞行时间,并进一步地通过改变电光相位调制器的工作电压波形来解算上述变量。因此,可以得到双目标的单脉冲平均回波光子数和回波光子飞行时间的有效解。该方法能以极少的数据量在微光条件下实现高分辨率和高测距精度的双目标探测。

    一种基于无线网络的微网协调控制系统及方法

    公开(公告)号:CN109088426B

    公开(公告)日:2021-09-14

    申请号:CN201810467969.8

    申请日:2018-05-16

    Applicant: 武汉大学

    Inventor: 陈磊 李国城 田昕

    Abstract: 本发明提出了一种基于无线网络的微网协调控制系统及方法。本发明系统包括协调控制器、第一无线通信模块、第二无线通信模块、第三无线通信模块、第四无线通信模块、第五无线通信模块断路器、变压器、超导故障限流器、公共耦合点、超导磁储能装置以及光伏分布式电源。本发明方法通过协调控制器通过无线通信方式采集公共耦合点三相电压,并将公共耦合点三相电压进行克拉克变化;协调控制器通过公共耦合点三相电压以及克拉克变换后公共耦合点电压判断微网的状态;协调控制器根据微网的状态通过无线通信方式对微网进行协调控制。与现有技术相比,本发明可提高短路故障下微网的暂态性能。

    一种基于神经网络学习先验的光子反射率图像去噪方法

    公开(公告)号:CN113205462A

    公开(公告)日:2021-08-03

    申请号:CN202110367190.0

    申请日:2021-04-06

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于神经网络学习先验的光子反射率图像去噪方法,主要包括成像模型的构造与模型的网络化。首先构造光子计数成像模型,对模型进行求解,得到相应的子问题,然后将子问题的模型进行网络化,构建卷积神经网络,给定训练集,对先验和模型相应参数进行学习,最后得到光子反射率图像的去噪结果。通过实验证明,本发明提出的方法通过学习先验,将模型网络化,采用卷积神经网络对图像进行去噪,从而使得去噪图像的上述指标接近理想值。

    一种基于偏振调制的单光子测距方法

    公开(公告)号:CN112859101A

    公开(公告)日:2021-05-28

    申请号:CN202110029743.1

    申请日:2021-01-11

    Applicant: 武汉大学

    Abstract: 本发明属于单光子探测技术领域,公开了一种基于偏振调制的单光子测距方法,利用量子理论对光子的偏振特性进行分析,将光子的飞行时间与回波光子的偏振调制态之间建立联系,通过探测光子对线偏振片的透过率计算光子的飞行时间,从而实现对目标距离测量。本发明可以实现微弱光信号条件下的目标距离测量,且不需要计时电路,极大程度上简化了三维光子计数成像中需要集成的硬件,为高空间分辨率的三维光子计数成像提供了便利。

Patent Agency Ranking