-
公开(公告)号：CN119006839A
公开(公告)日：2024-11-22
申请号：CN202411480529.8
申请日：2024-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种多模态遥感图像归一化结构特征提取方法及系统，首先使用双边滤波器对多模态遥感图像进行平滑滤波，删除图像细节信息，得到双边滤波处理后的图像；然后利用双边滤波处理后的图像对多模态遥感图像进行归一化，得到归一化图像；最后使用UC‑KAZE检测器提取归一化图像中均匀分布的特征点。本发明提出的方法能够在有较大非线性辐射差异和纹理差异的多模态图像上提取出数量多且均匀分布的特征点。
-
公开(公告)号：CN118506032B
公开(公告)日：2024-09-27
申请号：CN202410964968.X
申请日：2024-07-18
Applicant: 武汉大学
Abstract: 本发明公开了一种多模态弱纹理遥感图像匹配方法及系统，包括使用双边滤波提取多模态弱纹理遥感图像的空间结构特征，消除图像间的弱纹理差异；使用KAZE检测器提取图像中均匀分布的特征点；构造基于自相似性的多模态弱纹理描述符，将提取的特征点编码为特征向量；使用双边匹配算法得到初始匹配集；使用FSC算法消除误匹配，得到正确的特征匹配结果。本发明可以实现对具有较大弱纹理差异的多模态遥感图像的稳健匹配，具有较强的适应性和鲁棒性。
-
公开(公告)号：CN112017108A
公开(公告)日：2020-12-01
申请号：CN202010788098.7
申请日：2020-08-07
Applicant: 武汉大学
Abstract: 本发明针对已有卫星正射影像拼接中颜色相对校正时存在的误差累积、主影像选择以及干扰像素问题，提出了一种基于独立模型法区域网平差的正射影像颜色相对校正方法，可以有效解决成对技术的误差累积问题，以影像为计算单位的平差策略解决已有辐射区域网平差方法计算内存大的问题。同时，利用改进后的IR-MAD算法获取均匀分布的辐射连接点，可以有效降低干扰像素对颜色相对校正的影响，提升平差精度。并且通过引入“虚拟辐射控制点”替代主影像，解决已有方法的结果对主影像的依赖，实现全自动化处理。
-
公开(公告)号：CN110020721A
公开(公告)日：2019-07-16
申请号：CN201910281117.4
申请日：2019-04-09
Applicant: 武汉大学
Abstract: 本发明公开了一种于FPGA硬件平台上对深度学习神经网络网络参数进行压缩的方法，具体涉及霍夫曼编码，并结合FPGA硬件资源特点对参数进行量化压缩，这种压缩方式能将原来的参数压缩20％-30％，从而减小了参数所需的存储空间并加快神经网络前向推理速度，使得在小型化设备实现利用神经网络进行实时性目标检测成为可能。本发明的步骤为：一、根据参数的数据分布对全精度参数进行重新编码并得到一套数据位数为8bit的码表；二、将分布最多的数据用4bit数据索引来表示，其余分布数据用8bit数据索引表示；三、使用布尔数组来做数据索引的索引；四、检测布尔数组为1的时候通过移位得到分布最高的数据的索引；五、利用4bit或者8bit索引去码表中查找对应真实值。
-
公开(公告)号：CN102540277A
公开(公告)日：2012-07-04
申请号：CN201210011489.3
申请日：2012-01-16
Applicant: 武汉大学
IPC: G01W1/00
Abstract: 本发明提出了一种基于面向对象和时序影像的白天陆地辐射雾检测方法，该方法利用雾在静止卫星数据上呈现的光谱和纹理特性，构造基于单幅影像的雾检测特征参数，将高云、中云和部分低云以及雪与雾进行分离，与此同时，根据陆地辐射雾的生消特性，引入时序遥感影像，将无法从单幅影像上分离的低云和雾在时序影像中进行分离。本发明提出的陆地辐射雾检测方法实现了基于对象区域特征和时序特征的云雾分离，避免了低云和雾由于光谱和纹理特征的相似性导致的无法区分的问题，取得了很好的雾检测效果。
-
Patent Agency Ranking
公开(公告)号：CN119006839B
公开(公告)日：2024-12-27
申请号：CN202411480529.8
申请日：2024-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种多模态遥感图像归一化结构特征提取方法及系统，首先使用双边滤波器对多模态遥感图像进行平滑滤波，删除图像细节信息，得到双边滤波处理后的图像；然后利用双边滤波处理后的图像对多模态遥感图像进行归一化，得到归一化图像；最后使用UC‑KAZE检测器提取归一化图像中均匀分布的特征点。本发明提出的方法能够在有较大非线性辐射差异和纹理差异的多模态图像上提取出数量多且均匀分布的特征点。
-
公开(公告)号：CN112017108B
公开(公告)日：2022-04-15
申请号：CN202010788098.7
申请日：2020-08-07
Applicant: 武汉大学
Abstract: 本发明针对已有卫星正射影像拼接中颜色相对校正时存在的误差累积、主影像选择以及干扰像素问题，提出了基于独立模型法平差的卫星影像颜色相对校正方法，可以有效解决成对技术的误差累积问题，以影像为计算单位的平差策略解决已有辐射区域网平差方法计算内存大的问题。同时，利用改进后的IR‑MAD算法获取均匀分布的辐射连接点，可以有效降低干扰像素对颜色相对校正的影响，提升平差精度。并且通过引入“虚拟辐射控制点”替代主影像，解决已有方法的结果对主影像的依赖，实现全自动化处理。
-
公开(公告)号：CN112712542A
公开(公告)日：2021-04-27
申请号：CN202011558439.8
申请日：2020-12-25
Applicant: 武汉大学
Abstract: 本发明公开了一种块匹配和光流法结合的地基云图运动预测方法，针对获取的地基全天空图像，利用云分类信息提取云区域，采用块匹配法计算云区域的主运动矢量，将其结果作为光流法的约束项之一，和亮度恒定项、全局平滑项和亮度梯度项共同构造光流法能量函数，同时在光流法云运动场计算过程中，对每层金字塔加入加权中值滤波，减小运动矢量异常值的影响，实现地基全天空图像的云运动快速准确的预测。本方法针对块匹配预测精度低，光流法计算时间长、光线敏感等问题，通过将块匹配和光流法结合，充分利用块匹配速度快、光流法精度高的优势，提高了全天空图像的云运动预测的速度和精度。
-
公开(公告)号：CN112288630A
公开(公告)日：2021-01-29
申请号：CN202011161696.8
申请日：2020-10-27
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于改进的广泛深度神经网络的超分辨率图像重建方法及系统。本方法主要包括特征提取、非线性映射和重建三个大的模块，其中，特征提取模块主要是利用本发明设计的级联模块结构，引入深度可分离卷积和逐点卷积的思想，从而精简结构，大量减少网络参数和计算量，减轻存储压力和计算复杂度；非线性映射模块主要利用本发明设计的自适应权重共享源模块，引入了跳跃连接，从而提升了网络的性能。本发明在现有的图像超分辨率重建网络基础上提出了新的网络结构，可以有效保证图像重建后的效果，同时做到了网络参数少、计算量小、处理速度快、可移植性强。
-
公开(公告)号：CN110009565A
公开(公告)日：2019-07-12
申请号：CN201910272182.0
申请日：2019-04-04
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种基于轻量化网络的超分辨率图像重建方法。本方法主要包括网络轻量化设计和网络量化设计两个大的模块，其中，网络轻量化模块主要是利用本发明设计的ShuffleNet unit结构改进原有的EDSR网络结构，从而精简结构，大量减少网络参数，减轻存储压力；网络量化模块主要是由网络剪枝、权值共享、霍夫曼编码三部分组成，通过三部分的结合，对网络参数进行了量化，并改变了编码方式，从而极大压缩了网络参数量，提升了计算速度。本发明在现有的图像超分辨率重建网络基础上改进网络结构，并结合多种深度压缩的方法进行优化，可以有效保证图像重建后的效果，同时做到了网络参数少、处理速度快、可移植性强。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.045 seconds)
