-
公开(公告)号：CN111666854B
公开(公告)日：2022-08-30
申请号：CN202010474473.0
申请日：2020-05-29
Applicant: 武汉大学
Abstract: 本发明提供一种融合统计显著性的高分辨率SAR影像车辆目标检测方法，包括读入高分辨率单极化SAR影像，根据车辆目标中车体区域和阴影区域的成像特性，利用有向均值差滤波器提取影像中具有显著统计特征的区域；原始SAR数据与统计特征显著性图融合，以用于采用深度神经网络框架对车辆目标进行检测，通过融合特征有利于目标检测模型将注意力放在具有显著统计特征的区域；训练目标检测模型，包括选择训练样本，以融合特征为输入，训练获得车辆目标检测的模型；所述目标检测模型是改进的YOLOv3模型，改进方式为在网络输入端提取原始SAR影像与有向均值差滤波结果，并进行特征融合；利用训练好的目标检测模型，在待检测的高分辨率单极化SAR影像中进行车辆目标检测。
-
公开(公告)号：CN108446652A
公开(公告)日：2018-08-24
申请号：CN201810260051.6
申请日：2018-03-27
Applicant: 武汉大学
Abstract: 本发明公开了一种基于动态纹理特征的极化SAR图像地物分类方法，首先对极化SAR数据进行极化基变换，合成不同极化基下的极化SAR数据对应的RGB伪彩图像，组成Pauli伪彩图像序列；在此基础上对Pauli伪彩图像序列提取动态分形纹理特征，动态分形纹理特征包括三维Hausdorff分形维度、三维图像平均灰度等级、三维面积；依据动态分形纹理特征，对极化SAR图像地物进行两次分类；使用择多滤波器对两次分类结果进行平滑后处理，实现对极化SAR图像的地物分类。本发明通过动态纹理特征探索地物响应随极化基的变化规律，为刻画地物性质提供了丰富的信息，能够获得较为准确的极化SAR图像地物分类结果。
-
公开(公告)号：CN111666856B
公开(公告)日：2022-08-05
申请号：CN202010475776.4
申请日：2020-05-29
Applicant: 武汉大学
Abstract: 本发明提供一种基于结构特性的高分辨率单极化SAR影像建筑目标检测方法，包括输入高分辨率单极化SAR影像，进行图像分割，通过深度语义分割网络，获得SAR影像像素属于“建筑目标”和“背景”的概率值prob；利用区域编号和连通域编号，进行交运算，获得图像的过分割结果；计算区域邻接图，根据区域邻接关系，利用区域几何特征、统计特征、纹理特征，以及获得的概率值prob，进行相邻区域的相似性分析，合并满足相似性阈值的区域，并依次向外扩展合并，计算合并区域后图像各区域的邻接图；基于SAR影像中建筑目标的房顶、墙体和地面阴影表现出的不同图像特征，利用区域邻接图，判断初步提取区域是否能与邻接区域形成建筑目标的相应结构，得到建筑目标检测结果。
-
公开(公告)号：CN112150524A
公开(公告)日：2020-12-29
申请号：CN202011048036.9
申请日：2020-09-29
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的二维和三维医学图像配准方法和系统，先利用深度学习技术对三维医学图像中的目标病灶进行分割，然后对分割出来的图像进行重建。根据临床先验信息从重建的三维图像中获取病灶的边缘信息，得到若干个二值图。通过摄像头获取医师所需要观察的部位，利用深度学习技术计算目标病灶的边缘，得到另外一个二值图。运用图像配准技术将这两种来源的二值图进行配准，得到的两种类型的图像之间的变换矩阵，将这一变换矩阵应用在原始图像之上，即完成了图像配准问题。这一方法使得医师可以在诊断和治疗过程中具有一双实时的“透视眼”，更好的完成了医学图像配准任务，更加充分的利用了患者的影像学检查信息，辅助了临床治疗。
-
公开(公告)号：CN112150524B
公开(公告)日：2022-03-11
申请号：CN202011048036.9
申请日：2020-09-29
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的二维和三维医学图像配准方法和系统，先利用深度学习技术对三维医学图像中的目标病灶进行分割，然后对分割出来的图像进行重建。根据临床先验信息从重建的三维图像中获取病灶的边缘信息，得到若干个二值图。通过摄像头获取医师所需要观察的部位，利用深度学习技术计算目标病灶的边缘，得到另外一个二值图。运用图像配准技术将这两种来源的二值图进行配准，得到的两种类型的图像之间的变换矩阵，将这一变换矩阵应用在原始图像之上，即完成了图像配准问题。这一方法使得医师可以在诊断和治疗过程中具有一双实时的“透视眼”，更好的完成了医学图像配准任务，更加充分的利用了患者的影像学检查信息，辅助了临床治疗。
-
Patent Agency Ranking
公开(公告)号：CN111665504B
公开(公告)日：2022-02-01
申请号：CN202010474474.5
申请日：2020-05-29
Applicant: 武汉大学
Abstract: 本发明提供一种角度优化处理的全极化SAR目标分解方法，读入极化SAR数据，滤波并进行去取向的Yamaguchi四分量分解，获得初始的表面散射分量、偶次散射分量、体散射分量、螺旋散射分量、偶次散射参数、表面散射参数、旋转角度及泛化体散射分量、二面角散射贡献的体散射分量；将T3(θ)矩阵分解为表面散射、偶次散射、泛化体散射、扩展体散射、螺旋散射以及分解残余量矩阵的加权和，计算分解模型的初始重构损失，定义相应优化问题，重构损失中反应四分量分解后的信息与原始矩阵信息损失以及各分量功率之和与总功率之差；利用梯度下降法得到最优参数，提取表面散射功率Ps、偶次散射功率Pd、体散射功率Pv、螺旋散射功率Pc，获得四分量分解结果，得到SAR图像的目标特性。
-
公开(公告)号：CN111666856A
公开(公告)日：2020-09-15
申请号：CN202010475776.4
申请日：2020-05-29
Applicant: 武汉大学
Abstract: 本发明提供一种基于结构特性的高分辨率单极化SAR影像建筑目标检测方法，包括输入高分辨率单极化SAR影像，进行图像分割，通过深度语义分割网络，获得SAR影像像素属于“建筑目标”和“背景”的概率值prob；利用区域编号和连通域编号，进行交运算，获得图像的过分割结果；计算区域邻接图，根据区域邻接关系，利用区域几何特征、统计特征、纹理特征，以及获得的概率值prob，进行相邻区域的相似性分析，合并满足相似性阈值的区域，并依次向外扩展合并，计算合并区域后图像各区域的邻接图；基于SAR影像中建筑目标的房顶、墙体和地面阴影表现出的不同图像特征，利用区域邻接图，判断初步提取区域是否能与邻接区域形成建筑目标的相应结构，得到建筑目标检测结果。
-
公开(公告)号：CN107590499A
公开(公告)日：2018-01-16
申请号：CN201710898861.X
申请日：2017-09-28
Applicant: 武汉大学
Abstract: 本发明提供一种基于视频的设备LED指示灯状态监测方法及系统，包括：获取设备LED指示灯所在背板的图像数据；根据LED指示灯与设备背板在色彩空间特征的统计分布差异，将可能的LED指示灯区域从设备背板中分离出来；计算分离得到的区域的形状特征，去除分离结果中形状特征不符合LED指示灯形状特征的区域，将形状特征符合LED指示灯形状特征的区域作为待检测LED指示灯；检测分离得到的LED指示灯的工作状态，将检测所得信息与设备正常工作的信息比对，判断设备是否正常工作。本发明可以用于对机房设备的监控，克服了人工巡检效率和准确率低的问题，以及基于图像检测技术中因光照条件等环境因素或其他因素在LED色彩空间特征的变化较大而导致提取效果差的问题。
-
公开(公告)号：CN112598051B
公开(公告)日：2023-03-24
申请号：CN202011512187.5
申请日：2020-12-19
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/82 , G06N3/09
Abstract: 本发明提供一种基于极化统计散射成分的跨域SAR图像地物分类方法。本发明读入源域极化SAR影像标注样本和无标注目标域极化SAR影像数据；分别获取源域的标注样本的统计散射成分特征，和无标注目标域数据的统计散射成分特征；利用子空间对齐的方式将上述源域统计散射成分特征和目标域统计散射成分特征对齐，获取源域对齐于目标域的特征；利用已有的源域标签和源域对齐特征训练分类器模型；利用训练好的分类器模型直接对无标注的目标域特征进行分类，获取目标域的分类结果，即可实现利用异源异场景的标注样本对无标注目标域数据进行样本复用的非监督跨域分类效果。
-
公开(公告)号：CN108446652B
公开(公告)日：2021-09-03
申请号：CN201810260051.6
申请日：2018-03-27
Applicant: 武汉大学
Abstract: 本发明公开了一种基于动态纹理特征的极化SAR图像地物分类方法，首先对极化SAR数据进行极化基变换，合成不同极化基下的极化SAR数据对应的RGB伪彩图像，组成Pauli伪彩图像序列；在此基础上对Pauli伪彩图像序列提取动态分形纹理特征，动态分形纹理特征包括三维Hausdorff分形维度、三维图像平均灰度等级、三维面积；依据动态分形纹理特征，对极化SAR图像地物进行两次分类；使用择多滤波器对两次分类结果进行平滑后处理，实现对极化SAR图像的地物分类。本发明通过动态纹理特征探索地物响应随极化基的变化规律，为刻画地物性质提供了丰富的信息，能够获得较为准确的极化SAR图像地物分类结果。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.034 seconds)
