-
公开(公告)号：CN112990066B
公开(公告)日：2023-04-07
申请号：CN202110345854.3
申请日：2021-03-31
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/75 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多策略增强的遥感影像固体废弃物识别方法及系统，包括根据输入的原始遥感影像以及预设的重叠率，对原始遥感影像进行裁切，保存各个裁切所得遥感影像块的左上角点在整幅遥感影像中的坐标位置信息；将遥感影像块放入针对遥感影像固体废弃物识别的深度学习目标检测网络当中进行识别，识别出固体废弃物的边框，所述针对遥感影像固体废弃物识别的深度学习目标检测网络采用位置信息引导的多策略增强关键点目标识别网络；对检测出来的边框，进行筛选处理，得到最终的识别边框结果，在原始遥感影像中进行显示。本发明提出的方案可以有效地应用于高分辨率遥感影像当中，从而可以快速的检测遥感影像中的固体废弃物。
-
公开(公告)号：CN114639014A
公开(公告)日：2022-06-17
申请号：CN202210151368.2
申请日：2022-02-16
Applicant: 武汉大学
IPC: G06V20/10 , G06K9/62 , G06V10/764 , G06V10/80 , G06F17/18
Abstract: 本发明涉及一种基于高分辨率遥感影像的NDVI归一化方法。首先对遥感影像进行一系列预处理，然后将高分辨率待归一化反射率数据降采样至中分辨率参考数据的分辨率，根据中分辨率样本点对，求解得到线性回归方程的系数，再通过线性关系逐像元地计算得到待归一化数据各个像元的初步归一化结果，最后将同一区域、同一时间段内的初步归一化结果进行最大值合成，得到最终的归一化结果。本发明综合利用多源遥感数据，尽可能地消除了多源遥感数据存在的传感器以及成像条件等的差异，并且较好地解决了大范围多景影像镶嵌时拼接缝明显的问题，整个算法所需输入参数较少，运行效率较高，可以进行大范围的高分辨率NDVI产品生产。
-
公开(公告)号：CN110335208B
公开(公告)日：2022-06-07
申请号：CN201910494982.7
申请日：2019-06-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于逐步校正的高分辨率遥感影像厚云去除方法，通过基于超像素分割的云掩膜优化、基于逐步局部校正的云去除、基于全局优化的云去除区域残差校正三个步骤，利用辅助影像中互补信息对目标影像中厚云覆盖区域进行重建。本发明结合逐步局部校正和全局优化对辅助影像中互补信息进行亮度校正，用于目标高分辨率影像中厚云覆盖区域的填补，从而实现目标影像中厚云去除。该方法云去除精度高、速度快，可拓展性强，实用价值高。
-
公开(公告)号：CN114463202A
公开(公告)日：2022-05-10
申请号：CN202210037286.5
申请日：2022-01-13
Applicant: 武汉大学
Abstract: 本发明提供了一种结合矩阵补全和趋势滤波的植被指数时间序列重建方法，包括如下步骤：首先通过植被指数产品中的质量标记数据确定时间序列数据中的缺失位置，然后针对单个像素的植被指数序列，通过矩阵变化从一维向量变成二维矩阵，接着针对每个像素变换后的矩阵，建立低秩矩阵补全的最优化能量方程，通过非精确增广拉格朗日算法实现矩阵补全，得到初步不含数据缺失的时间序列补全矩阵。最后再将该补全矩阵进行向量化，在一维向量的基础上建立加权趋势滤波的能量优化方程，通过交替方向乘子法实现模型的求解，从而进一步滤除残留的噪声，得到平滑干净的高质量植被指数时间序列数据，实现长时间遥感植被指数序列的高精度重建。
-
公开(公告)号：CN114092832B
公开(公告)日：2022-04-15
申请号：CN202210065211.8
申请日：2022-01-20
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06N3/08 , G06N3/04 , G06K9/62
Abstract: 本发明公开了一种基于并联混合卷积网络的高分辨率遥感影像分类方法，具体步骤为：输入高分辨率遥感影像和相应的样本标签数据，包括训练样本数据集、测试样本数据集；并联搭建三维卷积神经网络和二维卷积神经网络，构建信息融合转换网络实现空谱特征信息融合以及深层次提取；批量输入训练样本数据集训练网络，构造交叉熵损失函数和随机梯度下降算法优化网络并更新参数，直至网络收敛；输入测试样本数据集到混合网络模型中，输出测试样本标签预测值，完成高分影像分类。本发明可同时提取高分遥感影像的空间特征和光谱特征，进行特征融合实现影像高效率高精度分类，在自然资源监测、地理国情普查、城市规划、气候变化等研究中提供重要作用。
-
Patent Agency Ranking
公开(公告)号：CN112419155B
公开(公告)日：2022-04-15
申请号：CN202011348480.2
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明提出一种基于多尺度注意力机制的全极化孔径雷达影像超分辨率重建方法，构建了内嵌特征层上采样、空间注意力、通道注意力、多尺度注意力、自适应损失函数等模块的残差卷积神经网络，联合监督型与零投型训练机制，获得训练收敛的网络。通过训练好的网络，对待处理低分辨率合成孔径雷达影像进行超分辨率重建，得到高分辨率全极化合成孔径雷达影像，在保持影像极化信息的同时，对其空间信息进行有效重建。
-
公开(公告)号：CN104637027B
公开(公告)日：2017-07-11
申请号：CN201510087994.X
申请日：2015-02-26
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，基于非局部滤波，利用移动窗口技术，首先选取相似像元，用基于小窗口运算的经验型公式筛选相似像元，并在此基础上二次筛选相似像元，以相似像元为中心的邻域矩阵的相似度以及其与中心像元的相对距离衡量权重大小，考虑时空变化，针对区域主要特征，选取相应的方式加权，最终融合得到中心像元的反射率值。本发明利用高空间分辨率数据与高时间分辨率数据的互补信息，顾及非局部特性与时空变化，融合得到既具有高空间有具有高时间分辨率的数据，不仅取得更高的精度，而且更具有实际应用潜力。
-
公开(公告)号：CN105931181A
公开(公告)日：2016-09-07
申请号：CN201610231568.3
申请日：2016-04-14
Applicant: 武汉大学
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T2207/20016
Abstract: 一种基于非耦合映射关系的影像超分辨率重建方法及系统，包括分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波，得到相应金字塔影像，对每一层影像都分别构建过完备字典，并分层进行结构相似性分析，某一层不满足预设阈值则调整该层的滤波器参数；对待处理的低分辨率影像进行同样滤波，得到相应的金字塔影像，对每层影像构造成信号矩阵，利用低分辨率字典对该信号矩阵进行稀疏表达，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。本发明有效的挖掘出原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，提高了重建精度。
-
公开(公告)号：CN105678777A
公开(公告)日：2016-06-15
申请号：CN201610018751.5
申请日：2016-01-12
Applicant: 武汉大学
CPC classification number: G06T2207/10032 , G06T2207/30192
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：CN103034988B
公开(公告)日：2015-09-16
申请号：CN201210551277.4
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明提出一种任意传感器数量的时空定量遥感融合方法，该方法通过融合任意数量传感器的定量遥感产品生成同时具有这些传感器中最高时空分辨率的定量遥感产品。首先对定量产品进行必要的预处理；其次，对不同传感器定量产品的尺度差异不确定性进行精确表达，并结合M估计理论提高类内拟合精度，从而准确表达光谱尺度差异；再次，以最高空间分辨率产品逐个像元为中心开窗，在窗口内筛选相似像元，并结合光谱尺度差异等权重因子，构造时空融合模型；最后，利用变分框架求解。本发明充分利用不同传感器间的时空互补信息和尺度过渡效应，并顾及地物类型等较正确描述尺度差异，使得融合结果更接近真实的定量产品。且不需要任何辅助数据，易于实现。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.025 seconds)
