-
公开(公告)号：CN112419196A
公开(公告)日：2021-02-26
申请号：CN202011349993.5
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的无人机遥感影像阴影去除方法，首先利用无人机进行数据采集，并对数据进行辐射归一化和几何配准处理，构建无人机阴影数据库；然后该阴影数据库基础上，利用条件生成对抗网络1学习样本对之间的阴影去除关系，从而实现阴影的初步去除；考虑到阴影去除前后的辐射差异，构建非阴影区域辐射归一化数据库，并在此数据库基础上对条件生成对抗网络2进行训练；最后基于此关系对阴影去除初步结果进行辐射归一化处理，得到最终的阴影去除结果。本发明考虑到无人机数据获取的灵活性，采集并构建阴影影像数据集，利用深度学习理论深入挖掘样本对之间的变换关系，以获得最优的阴影去除结果。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN112419156A
公开(公告)日：2021-02-26
申请号：CN202011349672.5
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明公开了一种顾及地物类别差异的多幅高分辨率遥感影像镶嵌方法，包括步骤：对高分辨率影像进行几何配准和重叠区坐标确定；采用“整体+局部”调色策略，对输入影像整体上以直方图匹配方法进行匀色，进一步对不同地物分别以矩匹配方法进行局部匀色；利用Voronoi图生成初始接缝线网络；对重叠区内不同的地物赋予不同的权值，基于动态规划的方法在缓冲区内查找总权值最小的路径，将其作为优化后的接缝线网络；利用反距离加权的影像融合算法消除拼接缝，获取最终的镶嵌影像。本发明不仅能确保镶嵌影像整体上色调一致，还能显著减弱局部色差，更能自动地生成绕过建筑物的接缝线网络，有效避免逐条查找接缝线的误差累积，快速获取目视自然的镶嵌影像。
-
公开(公告)号：CN111292266A
公开(公告)日：2020-06-16
申请号：CN202010075853.7
申请日：2020-01-22
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于双低秩矩阵分解的GF-5遥感影像混合噪声去除方法，通过利用无噪GF-5遥感影像的低秩性质、GF-5遥感影像每个波段上条带噪声的低秩结构和稀疏噪声的稀疏特性，建立基于双低秩矩阵分解的GF-5遥感影像混合噪声去除模型，采用增广拉格朗日乘子法进行求解得到无噪GF-5遥感影像。本发明将双低秩矩阵分解模型应用于GF-5遥感影像混合噪声去除，较于目前的高光谱遥感影像混合噪声去除方法，本发明可以更有效的去除GF-5遥感影像中的混合噪声，大幅提高GF-5遥感影像的应用潜力。
-
公开(公告)号：CN105678777B
公开(公告)日：2018-03-13
申请号：CN201610018751.5
申请日：2016-01-12
Applicant: 武汉大学
Abstract: 本发明公开了一种多特征联合的光学卫星影像云与云阴影检测方法，通过光谱过滤、局部优化和基于对象的过滤等过程，联合云与云阴影的光谱、几何与纹理特征提取影像中的云与云阴影。本发明综合考虑影像中云与云阴影的多种特征，最大化利用已有的影像信息，可实现光学卫星影像中云覆盖量快速准确估计以及云与云阴影位置精确检测。其检测精度高，速度快，可扩展性强，实用价值高。
-
公开(公告)号：CN104657952B
公开(公告)日：2017-04-12
申请号：CN201510094932.1
申请日：2015-03-03
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种结合时空信息的遥感逐日积雪产品去云方法，首先根据DEM数据和土地利用数据对遥感逐日积雪产品进行积雪单元划分；再利用DEM数据和多时相数据分别得到每个云像元在空间和时间上的积雪概率；最后利用加权平均的方法获得云像元的积雪概率，评判云像元是积雪还是无雪。本发明充分结合了积雪在空间上和时间上的相关性，以及地形因子对积雪的影响，有效地减少云对积雪产品的影响，提高了积雪产品的精度，并且算法简单，计算效率高，易于实现。
-
Patent Agency Ranking
公开(公告)号：CN103020912B
公开(公告)日：2016-05-11
申请号：CN201210551267.0
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种结合波段聚类和稀疏表达的遥感影像复原方法，以提高高光谱遥感影像的空间分辨率为目的，针对高光谱影像光谱维信息丰富以及不同波段噪声强度不同的特点，构建多波段的影像复原模型，利用波段的间高相似性及冗余信息进行相互约束和互补，最终得到高质量的高光谱影像。首先对高光谱影像进行波段聚类，将大量波段分为相关信息差别较大的少量类别；然后采用压缩感知理论对相同类别的一簇波段构建整体的变分训练多波段字典，通过该字典完成影像复原工作。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并保持其光谱特性，复原结果具有更强的空间信息和光谱信息保持性能。
-
公开(公告)号：CN103034981B
公开(公告)日：2015-06-24
申请号：CN201210551266.6
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于多时相数据的遥感影像加权回归恢复方法，若遥感影像有部分区域由于数据丢失或云污染等原因无法得到有效数据，可通过另外时刻所获得数据中所含的补充信息进行恢复。首先对受损影像以及用于提供参考信息的辅助影像进行几何配准；然后对每个待恢复区域内的像素，在辅助影像中寻找其相似像素，利用相似像素在待恢复影像与辅助影像间的变化关系，对每个待恢复点进行加权回归运算后得到恢复后的像素。本发明充分利用了影像中相似点在不同时相影像中的对应关系，通过对像素的空间与光谱差异进行加权计算，使得恢复结果更接近真实数据。而且计算效率较高，易于实现，实用价值高，可用于遥感影像恢复的业务化运行。
-
公开(公告)号：CN103020939B
公开(公告)日：2015-06-10
申请号：CN201210551692.X
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明公开了一种利用多时相数据去除光学遥感影像大面积厚云的方法：如果光学遥感影像中存在大面积的厚云，而该区域其他时相的影像存在无云数据，则可利用它们的互补信息对云区数据进行修复重建。首先利用所有时相的无云数据进行字典学习，自适应地顾及影像间的相关性，学习出一个过完备的字典及该影像的最佳稀疏表示系数，最后对厚云区的数据修复重建。本发明利用不同的多时相影像厚云区的互补信息，以各影像的相关性作为权重，借助新兴的稀疏表达理论填补影像厚云区数据，不仅取得了较高的精度，还拓展了大面积厚云去除的思路，具有重要的实际意义。
-
公开(公告)号：CN101894365B
公开(公告)日：2012-06-13
申请号：CN201010227696.3
申请日：2010-07-13
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明提出一种自适应变分遥感影像融合方法，该方法通过分析影像的降质过程分别建立多光谱影像与全色影像的观测模型，并利用最大后验估计理论框架对影像融合对应的逆问题进行描述，建立由多光谱影像数据一致性约束、全色影像数据一致性约束和影像先验约束组成的变分影像融合模型；在求解过程中利用梯度下降法进行迭代求解，通过建立合适的函数对正则化参数进行自适应求解，同时保留一个可调参数，以满足不同用户的需求。本方法可以在提高原始多光谱影像空间分辨率的同时有效保持原有的光谱信息，并能够自适应地针对不同的影像数据自动选择合适的正则化参数，因此具有保真度高、自适应程度高等特点。
-
公开(公告)号：CN101916430B
公开(公告)日：2011-12-28
申请号：CN201010227714.8
申请日：2010-07-13
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供基于波段相关性的遥感影像类内局部拟合恢复方法，如果遥感影像有部分区域在某个波段上由于数据的丢失或噪声的干扰等原因而无法得到有效的数据，而在与该波段光谱范围相邻近的波段上却包含有效的数据，那么可以通过这两个波段间的相关性来进行恢复。首先对相关性较强的几个波段进行非监督分类，以区分波段间相关性差异较大的地物；然后采用类内局部拟合的方法，对每个待恢复点进行运算后得到恢复值。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并顾及了地物类型和光谱特性，更能接近真实的数据。而且计算效率较高，易于实现，实用价值高，特别适用于多波段的遥感影像数据恢复。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.021 seconds)
