-
公开(公告)号：CN111126184B
公开(公告)日：2022-04-12
申请号：CN201911249407.7
申请日：2019-12-09
Applicant: 武汉大学
Abstract: 本发明提供一种基于无人机视频的震后建筑物损毁检测方法，包括：步骤一，对采集的震后无人机视频数据进行预处理，并获取视频关键帧序列；步骤二，利用视频关键帧序列生成建筑物三维点云数据，并对三维点云数据，采用基于点云结构特征分析和深度学习特征分析的方法进行建筑物结构损毁检测，若检测为结构损毁，则进入步骤四；若检测为非结构损毁，则进入步骤三；步骤三，对待检测建筑物的二维关键帧图像，采用基于深度学习特征分析的方法进行建筑物立面损毁检测，然后对待检测建筑物的二维关键帧图像进行超像素分割，并利用超像素分割结果对得到的建筑物立面损毁检测结果进行融合后处理优化；步骤四，输出待检测建筑物的损毁检测结果。
-
公开(公告)号：CN111126183A
公开(公告)日：2020-05-08
申请号：CN201911249399.6
申请日：2019-12-09
Applicant: 武汉大学
Abstract: 本发明提供一种基于近地面影像数据的震后建筑物损毁检测方法，包括以下步骤：步骤一，使用摄影设备采集震后建筑物近地面影像数据，并进行预处理，同时制备建筑物损毁标注样本集；步骤二，将损毁建筑物训练样本和对应的标注信息代入深度神经网络模型中进行训练；步骤三，将待检测的建筑物近地面影像数据代入到步骤二中训练好的深度神经网络模型中，得到建筑物损毁预检测结果；步骤四，对待检测的建筑物近地面影像数据进行超像素分割，利用超像素分割结果对步骤三得到的建筑物损毁预检测结果进行融合处理，得到建筑物损毁精检测结果。
-
公开(公告)号：CN107146239A
公开(公告)日：2017-09-08
申请号：CN201710266714.0
申请日：2017-04-21
Applicant: 武汉大学
Abstract: 本发明公开了一种卫星视频运动目标检测方法及系统，包括：从视频中选择基准帧，视频中基准帧外的其他帧为补偿帧，提取基准帧中各影像块的特征点；采用前后LK光流的点跟踪法对各影像块的特征点进行跟踪匹配，获得视频中相邻帧的匹配同名点集；利用匹配同名点集原补偿帧的运动补偿；对运动补偿后的第一帧中每一个像素建立背景模型；通过新补偿帧与背景模型比对提取运动目标获得二值图像，对二值图像提取连通域，获得候选目标；从候选目标中分离出可能的局部视差伪运动目标和鬼影目标；对新补偿帧进行背景更新。本发明可很好的剔除视差和鬼影导致的“伪运动”误检测，有效提高检测精度，广泛适用于卫星视频的运动分析与应用。
-
公开(公告)号：CN109448023A
公开(公告)日：2019-03-08
申请号：CN201811235772.8
申请日：2018-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种结合空间置信图和轨迹估计的卫星视频小目标实时跟踪方法，包括跟踪滤波器的初始化和Kalman滤波器的参数初始化，利用跟踪的目标位置，回归Kalman滤波器，预测目标新的位置；对下一帧图像提取特征进行傅里叶变换，利用构建的跟踪滤波器，通过图像卷积，求取结果的最大响应值，作为目标新的位置，以新的位置为中心提取特征更新跟踪滤波器；执行循环传入下一帧图像，判断是否满足设定的预测条件，进行相应处理提取新的位置。本方法在充分考虑了卫星视频中目标相对背景所占像素少、无明显形状特征、颜色与背景相似度高等特点，既保证了跟踪结果的有效性又具备实时的跟踪速度。
-
公开(公告)号：CN109448023B
公开(公告)日：2021-05-18
申请号：CN201811235772.8
申请日：2018-10-23
Applicant: 武汉大学
Abstract: 本发明公开了一种结合空间置信图和轨迹估计的卫星视频小目标实时跟踪方法，包括跟踪滤波器的初始化和Kalman滤波器的参数初始化，利用跟踪的目标位置，回归Kalman滤波器，预测目标新的位置；对下一帧图像提取特征进行傅里叶变换，利用构建的跟踪滤波器，通过图像卷积，求取结果的最大响应值，作为目标新的位置，以新的位置为中心提取特征更新跟踪滤波器；执行循环传入下一帧图像，判断是否满足设定的预测条件，进行相应处理提取新的位置。本方法在充分考虑了卫星视频中目标相对背景所占像素少、无明显形状特征、颜色与背景相似度高等特点，既保证了跟踪结果的有效性又具备实时的跟踪速度。
-
Patent Agency Ranking
公开(公告)号：CN111126184A
公开(公告)日：2020-05-08
申请号：CN201911249407.7
申请日：2019-12-09
Applicant: 武汉大学
Abstract: 本发明提供一种基于无人机视频的震后建筑物损毁检测方法，包括：步骤一，对采集的震后无人机视频数据进行预处理，并获取视频关键帧序列；步骤二，利用视频关键帧序列生成建筑物三维点云数据，并对三维点云数据，采用基于点云结构特征分析和深度学习特征分析的方法进行建筑物结构损毁检测，若检测为结构损毁，则进入步骤四；若检测为非结构损毁，则进入步骤三；步骤三，对待检测建筑物的二维关键帧图像，采用基于深度学习特征分析的方法进行建筑物立面损毁检测，然后对待检测建筑物的二维关键帧图像进行超像素分割，并利用超像素分割结果对得到的建筑物立面损毁检测结果进行融合后处理优化；步骤四，输出待检测建筑物的损毁检测结果。
-
公开(公告)号：CN105656750B
公开(公告)日：2018-11-23
申请号：CN201610067343.9
申请日：2016-01-30
Applicant: 武汉大学
Abstract: 本发明提供一种基于局部连接关系的超大规模区域网构建方法及系统，因为超大规模光学卫星影像区域网平差涉及大量的连接点匹配工作，为了能过兼顾匹配效率，需要对匹配结果进行选取，剔除冗余数据，同时使连接点均匀分布。本发明基于区域增长的方法逐片选取影像，将当前选取的影像划分为均匀格网，根据局部连接关系判断格网中是否有已经分配的连接点，是则取下一格网继续判断，否则从根据距离选择一个最优的连接点，并记录该连接点作为该网格处以及重叠影像相应格网的连接点。这样每个格网中至多存在一个连接点，从而在剔除重复点位的同时使得连接点均匀分布，该方法可行、有效，可以达到预期效果。
-
公开(公告)号：CN105551057A
公开(公告)日：2016-05-04
申请号：CN201610067420.0
申请日：2016-01-30
Applicant: 武汉大学
CPC classification number: G06T3/0075 , G06T2207/10032 , G06T2207/20016
Abstract: 针对超大规模区域网平差的连接点匹配可能存在的粗差，本发明提出一种超大规模光学卫星影像区域网平差粗差剔除方法及系统，首先以像片为主进行连接点的粗差检测，以两两影像对为检测单元，计算连接点的像方残差并以此为根据进行粗差检测，然后以连接点为主进行粗差检测，通过评价每个连接点一次平差后在不同像片上的像点残差来检测粗差，最后从区域网平差全局出发进行选权迭代，在每次平差后根据像点残差确定连接点的权值组成权矩阵参加下次平差解算，从而抑制在前两级检测中不易发现的粗差，保障平差结果的准确性和鲁棒性。
-
公开(公告)号：CN118191821A
公开(公告)日：2024-06-14
申请号：CN202410497846.4
申请日：2024-04-24
Applicant: 武汉大学
Abstract: 本发明提出一种光学影像协同的SAR影像控制点筛选与提取方法及系统。本发明获取光学正射影像、数字高程模型、SAR左影像右影像及其对应辅助文件；在光学正射影像上量测金属结构物平面位置，结合数字高程模型，得到金属结构物的大地坐标作为类散射体点的大地坐标；分别根据SAR左影像、右影像及其辅助文件构建左影像、右影像的几何定位模型；分别采用左右影像的几何定位模型将类散射体点的大地坐标映射成左影像、右影像中精确像方坐标；计算左影像中精确像方坐标和右影像中精确像方坐标对应的大地坐标并将其作为控制点的大地坐标；将控制点的大地坐标参与空中三角测量实现几何定位精度低的微小型SAR卫星影像或者光学卫星影像定位精度提升。
-
公开(公告)号：CN118011393A
公开(公告)日：2024-05-10
申请号：CN202410014077.8
申请日：2024-01-04
Applicant: 武汉大学
IPC: G01S13/90
Abstract: 本发明提出一种Ka‑SAR卫星标准产品生成方法及计算机可读介质。首先生成强度图转换后影像；对强度图影像进行子块划分，并对强度图影像进行局部几何纠正；根据每个子块范围在DOM上进行重采样；采用异源匹配算法获取DOM重采样子块与几何纠正子之间的匹配点并将匹配点分别映射成控制点地理坐标、控制点位于强度图影像上像方坐标；接着采用区域网平差对控制点进行粗差剔除；采用粗差剔除后的控制点对RFM模型进行更新，得到更新的RFM模型；迭代前述步骤得到最终RFM模型；采用最终RFM模型对强度图影像进行间接校正，得到Ka‑SAR卫星影像标准产品。本发明优点在于，通过与DOM匹配控制点提升Ka‑SAR影像定位精度，为其在水利等行业精细化应用提供支撑。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.029 seconds)
