公开(公告)号：CN114862731B

公开(公告)日：2024-04-16

申请号：CN202210319962.8

申请日：2022-03-29

Applicant: 武汉大学

Inventor： 张洪艳 ,  王文高 ,  曹伟男 ,  杨光义 ,  张良培

IPC: G06T5/50 ,  G06V10/58 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T3/4053 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种低秩先验与空谱信息引导的多‑高光谱影像融合方法，提出了一种全新的结合空谱引导与低秩先验的多层多分支融合网络SSLRNet，该网络首先构造多层多分支融合子网络(MLMB)，旨在从多个分支进行特征的提取，并进行多层特征融合，重建出初步的融合影像。之后，构造基于空谱引导的融合影像空间光谱纠正子网络，通过多光谱影像波段叠加求和影像与高光谱影像波段平均值影像对MLMB生成的初步融合影像进行空间光谱引导，缩小空间光谱扭曲。最后，构造基于低秩神经网络的融合影像低秩先验约束子网络，与深度学习网络相结合，利用网络自身特性进行低秩分解，使融合结果更符合真实应用需求。本发明提高了网络的融合精度，更符合真实应用需求。

公开(公告)号：CN113628289B

公开(公告)日：2023-10-27

申请号：CN202110823203.0

申请日：2021-07-21

Applicant: 武汉大学

Inventor： 张洪艳 ,  盛耘 ,  张良培

IPC: G06T9/00 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明提供一种基于图卷积自编码器的高光谱影像非线性解混方法及系统，包括根据高光谱影像计算图结构信息；构建深度分解网络，将高光谱影像及图结构信息输入，根据损失函数训练网络，直至训练收敛或达到最大训练轮数；所述深度分解网络的编码器基于图卷积层对输入的原始影像进行降维，得到原始影像的低维特征表达，解码器由编码器得到的低维特征表达重建出原始的输入影像，包括分为线性和非线性两个部分来重建原始影像；训练后提取网络中相应的隐层表达和权重分别作为丰度和端元信息，实现混合像元分解。本发明通过深度学习实现线性混合模型到非线性混合模型的映射，挖掘影像非局部空间信息，增强网络的空间感知能力，提高分解精度。

公开(公告)号：CN115761476A

公开(公告)日：2023-03-07

申请号：CN202211173201.2

申请日：2022-09-26

Applicant: 武汉大学

Inventor： 郑卓 ,  钟燕飞 ,  马爱龙 ,  张良培

IPC: G06V20/10 ,  G06V10/774 ,  G06V10/62 ,  G06V10/82

Abstract: 本发明涉及一种基于稀疏变化自注意力机制的遥感影像变化检测方法，用于计算、内存高效的高精度的统一变化检测。本发明结合深度学习原理、概率图理论，提出了统一的概率变化建模理论框架，对变化过程中随机变量的联合分布进行条件分解，根据不同的先验假设，可分解得到不同的因子，这些因子即深度变化检测模型架构的理论表示，进一步采用所提出的稀疏变化自注意力模块参数化这些分解因子，从而得到具体的任务自适应、计算高效的深度变化检测模型架构。本发明能够解决现有架构设计缺乏理论依据、计算复杂度高的问题，可以实现各类变化检测任务的统一处理与大规模遥感影像对的快速变化检测。

公开(公告)号：CN115147760A

公开(公告)日：2022-10-04

申请号：CN202210742299.2

申请日：2022-06-27

Applicant: 武汉大学

Inventor： 张洪艳 ,  林漫晖 ,  杨光义 ,  张良培

IPC: G06V20/40 ,  G06V20/10 ,  G06V20/13 ,  G06V10/82 ,  G06V10/80 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于视频理解和时空解耦的高分辨率遥感影像变化检测方法。本发明针对双时相高分辨率遥感影像对空间、时间维度构造不平衡的特点，采用时序线性插值策略构建伪视频帧序列，扩展时间维度，使得使用视频理解算法处理变化检测任务成为可能。本发明结合变化检测任务侧重时空信息的特点，提出一种时空解耦的编码器设计方案，使网络一次只关注问题的一个维度，从而缓解解码器的负担，提升检测效果。同时，为了促进时空编码器间的信息交流，本发明提出时序聚合模块，将其设置在空间编码器到时间编码器的边路连接中，提升时空特征的契合度。此外，本发明使用深度监督技术，改善深层模型收敛速度，解决模型中间层特征有效性不足的问题。

公开(公告)号：CN114511473A

公开(公告)日：2022-05-17

申请号：CN202210409199.8

申请日：2022-04-19

Applicant: 武汉大学

Inventor： 王心宇 ,  罗朝之 ,  钟燕飞 ,  张良培

IPC: G06T5/00 ,  G06V20/17 ,  G06N3/04 ,  G06K9/62 ,  G06V10/774

Abstract: 本发明涉及一种基于无监督自适应学习的高光谱遥感影像去噪方法。本发明针对模拟影像和真实影像之间的降质差异降低模型泛化性的问题，提出了无监督自适应学习策略，在高质量地面影像上进行预训练，设计判别器对噪声进行建模，在处理真实影像时由判别器对去噪参数进行微调，提升模型在真实影像上的泛化性。本发明在模型中设计了基于空‑谱残差的深度去噪网络和基于全局信息建模的判别器以充分挖掘高光谱深度先验。本发明可以解决高光谱遥感影像深度学习去噪中模拟训练数据的问题，降低深度学习模型对模拟训练数据的依赖性，有效提升高光谱去噪的适用性和精度。

公开(公告)号：CN112858178B

公开(公告)日：2022-05-13

申请号：CN202110029742.7

申请日：2021-01-11

Applicant: 武汉大学

Inventor： 钟燕飞 ,  高绿洲 ,  贾朝阳 ,  何佳妮 ,  曹丽琴 ,  张良培

IPC: G01N21/17 ,  G01N21/35 ,  G01N21/3504 ,  G01J5/00 ,  G06F30/20

Abstract: 本发明公开了一种航空热红外高光谱影像温度/发射率反演方法，包括：使用数据定量分析进行了数据优化处理，通过对数据各波段的辐射定标精度、NESR噪声大小和大气强吸收线的计算和分析，从而选择出最优波段数据，排除了存在问题的波段对反演过程的影响；为克服航空热红外高光谱数据大气校正对同步大气探空廓线的依赖，通过对全球大气格网数据进行时空分析融合，获得了更好表征数据采集时大气状况的廓线信息；引入了经验约束模型，克服了常用的平滑度物理约束对噪音敏感的问题，能够在数据噪声较高的航空数据上获得较为理想的结果。本发明以Hyper‑Cam航空数据为实验对象，并获得了良好的反演结果，为航空热红外高光谱影像的发射率和温度反演提供了参考。

公开(公告)号：CN112766199B

公开(公告)日：2022-04-29

申请号：CN202110102544.9

申请日：2021-01-26

Applicant: 武汉大学

Inventor： 杜博 ,  杨佳琪 ,  张良培 ,  武辰

IPC: G06V20/13 ,  G06V10/44 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于自适应多尺度特征提取模型的高光谱图像分类方法，建立包含尺度参考网络和特征提取网络两部分的框架，在尺度参考网络，引入条件门控机制，通过三组模块逐级判断，将特征输入到对应尺度提取网络，深入挖掘高光谱遥感图像蕴含的丰富信息，有效结合不同尺度的特征，提高分类效果，生成精细分类结果图；在特征提取网络，设计大尺度特征提取网络和小尺度特征提取网络从两个尺度进行地物信息提取，综合考虑数据集异构性和被识别地物尺度差异性，能够自适应改变网络结构，实现多尺度特征协同学习。本发明在进行多尺度特征提取时，同时保留了高光谱遥感图像的较小尺度细节信息和较大尺度空间信息，满足高光谱遥感图像目标识别与分类需要。

公开(公告)号：CN111666815B

公开(公告)日：2022-04-01

申请号：CN202010371772.1

申请日：2020-05-06

Applicant: 武汉大学

Inventor： 张洪艳 ,  柴朝阳 ,  张良培

IPC: G06V20/10 ,  G06V10/20 ,  G06N20/00

Abstract: 本发明涉及一种基于Sentinel‑2遥感影像的大蒜种植信息自动化提取方法，该方法包括获取研究区大蒜生长周期内所有可用Sentinel‑2影像数据；对数据进行大气校正、重采样和裁剪拼接等预处理；生成覆盖整个生长周期的NDVI时间序列和仅覆盖越冬后到成熟收获这段时期的GCVI时间序列；利用大蒜和冬小麦光谱曲线之间的差异结合GCVI植被指数构建改进的GCVI指数；通过分析NDVI时间序列事先生成冬季作物掩膜，然后对改进GCVI时间序列进行积分操作可获得冬小麦提取结果，结合冬季作物掩膜便可获得最终的大蒜提取结果。本发明从大蒜的物候特征入手设计提取算法，可以实现不依赖于训练样本的大蒜种植信息自动化提取，并且具有良好的可迁移性。

公开(公告)号：CN112766089A

公开(公告)日：2021-05-07

申请号：CN202110004130.2

申请日：2021-01-04

Applicant: 武汉大学

Inventor： 卢晓燕 ,  钟燕飞 ,  郑卓 ,  王俊珏 ,  张良培

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于全局‑局部对抗学习框架的跨域道路提取方法，该方法具有以下两个显著特点：一是利用一个全局‑局部对抗学习框架用于高分辨率遥感影像跨域道路提取，该框架首先利用生成器生成特征，来混淆判别器，生成器后面紧接着两个分支，一个分支进行道路分割，另一个分支通过全局‑局部对抗学习引导生成器生成域不变特征。第二，全局‑局部对抗学习过程中，使用两个互斥分类器对道路进行识别，两个分类器识别的差异可以反映每一个像素的识别难易程度，从而自适应地对对抗损失进行加权，自动减慢或加速对抗学习的过程。本方法可以明显改善道路缺失现象，对于一些困难的样本也能较好的识别，显著提升道路识别精度。

公开(公告)号：CN109919083B

公开(公告)日：2020-11-17

申请号：CN201910165983.7

申请日：2019-03-06

Applicant: 武汉大学

Inventor： 张洪艳 ,  杜红雨 ,  张良培

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种利用Sentinel‑2影像数据的早期自动化冬小麦制图方法，该方法包括获取研究区冬小麦早期时相Sentinel‑2影像数据；对数据进行大气校正、云掩膜处理；计算生成NDVI植被指数；结合冬小麦物候先验知识，生成多个冬小麦为靶向的物候特征；利用生成的物候特征建立冬小麦分类规则；利用分类规则获取研究区冬小麦分布结果以及相应的面积监测信息。本发明利用冬小麦物候特性构建以冬小麦为靶向的物候特征，可以实现不依赖于地面数据的冬小麦高精度识别，并且能够在冬小麦收获5个月之前得到空间分辨率10米的精细化冬小麦制图结果。