用于SAR图像的小波金字塔极化纹理基元特征提取方法

    公开(公告)号:CN102682306B

    公开(公告)日:2014-02-26

    申请号:CN201210132419.3

    申请日:2012-05-02

    Applicant: 武汉大学

    Abstract: 一种用于SAR图像的小波金字塔极化纹理基元特征提取方法,包括生成小波极化方差特征、小波极化纹理基元特征以及运用金字塔模型描述小波极化纹理基元特征。小波极化方差特征是结合极化合成和离散小波框架,通过计算标准化小波系数的方差得到每个像素点的特征矢量;而小波极化纹理基元特征是对部分小波极化方差特征矢量聚类,生成纹理基元库,然后以图像中感兴趣点为中心,取图像块,将每个块包含的特征矢量与纹理基元库匹配,得到统计直方图,即小波极化纹理基元特征;最后运用金字塔模型在更精细的分辨率下描述小波极化纹理基元特征。运用支持向量机即可采用本发明所得基于金字塔表达的小波极化纹理基元特征对极化SAR图像分类。

    基于散射关键点引导扩散模型的SAR图像旋转目标检测方法和系统

    公开(公告)号:CN119007030A

    公开(公告)日:2024-11-22

    申请号:CN202411103236.8

    申请日:2024-08-13

    Applicant: 武汉大学

    Inventor: 何楚 刘朔扬 童鸣

    Abstract: 本发明公开了一种基于散射关键点引导扩散模型的SAR图像旋转目标检测方法和系统。本发明设计了基于凸多边形的细粒度目标表征,以自适应建模目标的模糊外轮廓;基于扩散模型构建目标区域扩散模块和去噪解码器,通过扩散模型学习SAR图像中目标区域空间分布的统计特性,以直接预测目标区域;设计了多尺度散射关键点特征融合模块,采取在多尺度特征层级上动态预测散射关键点的方法,根据不同尺度的散射关键点特征来增强网络在复杂场景中识别目标的能力,抑制虚警的产生;最后通过凸多边形预测模块,在每个目标区域中得到目标凸多边形预测。本发明基于Detection Transformer架构,实现了对SAR图像的端到端旋转目标检测。

    一种带POA对齐和注意力的极化SAR分类方法及系统

    公开(公告)号:CN118521833A

    公开(公告)日:2024-08-20

    申请号:CN202410848149.9

    申请日:2024-06-27

    Applicant: 武汉大学

    Abstract: 本发明涉及图像处理和视觉识别技术,具体涉及一种带POA对齐和注意力的极化SAR分类方法及系统,该方法在整个旋转域内充分获取角度多样性信息,全面描述目标的信息;利用POA对齐的思想,选择多个极化特征对各个目标的方位角进行回归学习,将方位角序列对齐到学习的角度通道上,从而成功获取旋转不变性特征,并将不同方位角下的同类目标对齐到同一角度;利用循环通道注意力机制,以循环填充替代一般的零值填充,对每个角度通道自适应赋予权值;整体基于transformer的框架,并将前面两个机制嵌入形成一个完整的PolSAR地物分类框架,有效的实现了对PolSAR图像空间中像素点间丰富关系和极化通道之间差异的全局建模。

    一种基于小波变换信息交互的张量分解优化方法与装置

    公开(公告)号:CN117035042A

    公开(公告)日:2023-11-10

    申请号:CN202311072646.6

    申请日:2023-08-23

    Applicant: 武汉大学

    Inventor: 陈曦 曹继东 何楚

    Abstract: 本发明公开了一种基于小波变换信息交互的张量分解优化方法与装置,涉及张量压缩技术领域,该方法包括以下步骤:将图像通过小波分解得到输入张量的多级分解子张量;将多级分解子张量分解为信息互补的高频子张量组和低频子张量组,通过离散小波逆变换融合,合成信息互补的高频张量和低频张量;将高频张量和低频张量通过离散小波逆变换交互,生成高低频信息交互模块的低频输出和高频输出;根据低频输出和高频输出计算整体损失函数,根据整体损失函数对模型参数进行优化。本发明提供的方法通过离散小波的多分辨率分解特性对卷积神经网络中的普通张量进行分解去除冗余,融合为一对信息互补的张量对进行信息交互及前传从而保证了信息的高效前传和交互。

    基于区域特征配准的双目相机图像缝合线拼接方法及系统

    公开(公告)号:CN111242848B

    公开(公告)日:2022-03-04

    申请号:CN202010036478.5

    申请日:2020-01-14

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于区域特征配准的双目相机图像缝合线拼接及系统,对输入的左右视角图像进行特征提取并匹配,包括提取特征点和图像局部区域的几何结构特征;对图像划分网格,利用匹配的结果构建图像网格变换模型,通过对网格顶点的优化使得总误差最小,实现图像的配准;对配准的图像重叠区域求最优缝合线,使得缝合线两边的像素差异最小;将缝合线两侧的重叠区域进行曝光补偿后,沿着缝合线拼接得到拼接图像。本发明采用网格变形,尽可能地配准两张图像的重叠区域,再在重叠区域求解最优缝合线,所得缝合线能够绕开视差大的前景,从而避免图像融合时在视差大的地方生成重影。

    基于图像网格光流滤波的无人机视频稳像方法及系统

    公开(公告)号:CN111614965A

    公开(公告)日:2020-09-01

    申请号:CN202010376138.7

    申请日:2020-05-07

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于图像网格光流滤波的无人机视频稳像方法及系统,对输入的视频进行网格划分,将网格的顶点设置为光流跟踪点,求解每一帧图像与前一帧图像在网格顶点处的光流;对网格光流进行初次时域分析,去除高频成分,然后比较滤波前后,筛选出变化大的点作为外点;对外点的光流进行滤波处理,使其与周围网格顶点的光流在空间上连续;对优化后的光流进行时域滤波,并通过网格顶点限制使输出视频不发生较大的形变,得到网格顶点的运动补偿矢量;根据运动补偿矢量进行网格变换,得到输出稳像视频。本发明采取由粗到细的方法,对不连续光流进行滤波处理,再进行受网格约束的运动补偿,从而减少了形变以及运动物体带来的影响,提高了稳像质量。

    基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法

    公开(公告)号:CN110796037A

    公开(公告)日:2020-02-14

    申请号:CN201910976760.9

    申请日:2019-10-15

    Applicant: 武汉大学

    Abstract: 为了解决星载光学遥感图像舰船目标检测中舰船目标尺度变化大、星载平台计算量严重受限的问题,通过将引入轻量化的多尺度特征提取网络模块,可以有效提升深度学习网络对于舰船目标的检测效率。本发明公开了一种基于轻量级感受野金字塔的星载光学遥感图像舰船目标检测方法,采取引入空洞卷积构建轻量级感受野金字塔的方法,根据感受野金字塔提取的多尺度特征构建多尺度特征融合检测模块,在限制网络规模的情况下,提高对光学遥感图像舰船目标特性的适应能力。

    一种基于部件匹配与距离约束的光学遥感图片船舶检测方法

    公开(公告)号:CN110751077A

    公开(公告)日:2020-02-04

    申请号:CN201910976975.0

    申请日:2019-10-15

    Applicant: 武汉大学

    Abstract: 为了解决由于光学遥感图像易受天气、陆地或船舶尾迹的影响,图像内容复杂导致大量虚警框的问题,通过对数据集进行部件和整体双重标注,引入部件位置信息,再通过部件和整体之间的距离约束,有效减少检测虚警框。本发明公开了一种基于部件匹配与距离约束的光学遥感图片船舶检测方法,通过对数据集进行部件标注的添加,从而提高训练图像数据中的可学习信息;将训练过程中输出的目标候选框相互进行部件匹配,找到每个船舶目标对应的部件框;接着在网络计算损失函数并将梯度反传时,将船舶目标与之部件之间的距离作为参数约束结合到检测网络的参数学习过程中,使得训练过程中目标定位更加准确。

    基于FCN与稀疏-低秩子空间表示融合的PolSAR图像分类方法

    公开(公告)号:CN108446716B

    公开(公告)日:2019-09-10

    申请号:CN201810124693.3

    申请日:2018-02-07

    Applicant: 武汉大学

    Inventor: 何楚 王彦 刘新龙

    Abstract: 本发明公开了一种基于FCN与稀疏‑低秩子空间表示融合的PolSAR图像分类方法,充分利用了FCN能够从PolSAR数据本身自动地学习非线性的深层多尺度空间特征的强大能力,以及基于稀疏‑低秩图嵌入的线性降维算法能够在一个低维子空间中同时捕获PolSAR数据的局部和全局结构信息的优势,并对FCN和稀疏‑低秩子空间表示进行有效地融合,解决了PolSAR图像的非线性深层空间特征提取问题、降维问题,以及极化信息和空间信息的有效融合问题,并有效解决PolSAR图像的分类问题。本发明获得的融合的多层次子空间特征含有多种类型的信息,包括线性的和非线性的、浅层的和深层的、局部的和全局的,以及极化的和多尺度空间的,因此具有很强的判别性,能够大大提高PolSAR图像的分类准确率。

Patent Agency Ranking