-
公开(公告)号：CN105631892B
公开(公告)日：2018-03-13
申请号：CN201610097760.8
申请日：2016-02-23
Applicant: 武汉大学
Abstract: 本发明公开了一种基于阴影和纹理特征的航空影像建筑物损毁检测方法，首先利用灾前建筑物矢量数据和高程数据和太阳高度角估算出建筑物在影像上的理论阴影区域，再在阴影理论区域内利用约束的颜色不变性对实际阴影检测，获得建筑物的实际阴影区域，然后根据实际阴影区域与理论阴影区域的面积比例关系获得建筑物损毁等级，分为完全损毁、一般损毁和疑似完好，最后对于疑似完好的建筑物，利用视觉词袋模型对其顶面进行检测，进一步判定建筑物是否损毁。本发明融合建筑物阴影信息（高度）和顶面信息（纹理）特征情况进行了检测，回避了传统多数据融合中的配准困难，同时也提高了建筑物损毁检测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN113205023B
公开(公告)日：2022-04-15
申请号：CN202110443616.6
申请日：2021-04-23
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/26 , G06V10/40 , G06V10/764 , G06K9/62 , G06T7/33 , G06T5/00 , G06F16/587
Abstract: 本发明提供一种基于先验矢量引导的高分影像建筑物提取精处理方法，包括基于栅矢一致性分析对先验矢量与高分辨率遥感影像数据进行数据预处理工作，得到几何配准及校正后的数据集；基于FNEA影像分割算法充分考虑地物的光谱和空间特征，通过设置尺度参数在先验矢量边界的约束内对高分辨率遥感影像进行影像细分割获取一系列不同大小的地物类别像斑，得到栅矢套合下地物类别分割像斑；采取多数投票法得到建筑物目标提取最终结果，在先验GIS土地利用矢量边界的约束内增强建筑物对象屋顶提取结果的同质性与完整性，得到先验GIS土地利用矢量约束下的深度网络模型建筑物提取精处理结果。本发明显著提高了基于深度学习模型的高分辨率遥感影像建筑物提取质量。
-
公开(公告)号：CN113205018A
公开(公告)日：2021-08-03
申请号：CN202110434612.1
申请日：2021-04-22
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多尺度残差网络模型的高分影像建筑物提取方法。首先，对高分辨率遥感影像中的典型建筑物类型和特征做出分析，基于深度学习网络大量数据需求设计数据增广策略，确定训练样本集和验证样本集的超参数配比；其次，在U‑Net网络对称结构的基础单元中结合密集捷径结构，设计残差映射单元，并对基本单元中卷积层结构安排进行改进，利于模型训练；同时，该改进网络将影像输入阶段设计为特征金字塔输入结构，可在不同尺度上学习影像特征，结合设计的残差跳跃连接方式进行多尺度特征融合，通过多级残差单元运算细化建筑物分割结果，加强了不同网络层之间多级特征的重用性，有效地增强了梯度在网络中的传递，加速模型收敛。
-
公开(公告)号：CN106778605B
公开(公告)日：2020-05-05
申请号：CN201611153399.2
申请日：2016-12-14
Applicant: 武汉大学
Abstract: 本发明提供一种导航数据辅助下的遥感影像道路网自动提取方法，包括以下步骤：导航数据与遥感影像配准；利用矢量数据进行道路段的提取；利用交叉口像元结构指数进行道路交叉口的提取；自适应聚类学习的道路网提取：将提取的道路段和的道路交叉口进行连接，形成道路网，根据已知道路特征来检测遥感影像中的新增道路对象，最后对道路进行验证。本发明采用遥感影像与导航路网数据作为输入数据源，综合利用导航路网数据中的位置、几何、拓扑、语义信息和高分遥感影像中的场景特征。结合现实道路结构先验知识等，完成自动化道路网要素数据提取任务。具有较强的实用性，准确度较高。
-
公开(公告)号：CN106127791B
公开(公告)日：2018-11-13
申请号：CN201610527323.5
申请日：2016-07-06
Applicant: 武汉大学
Abstract: 本发明提出一种航空遥感影像的建筑物轮廓线提取方法，利用颜色不变量算法检测出航空遥感影像中建筑物的阴影区域，并对阴影区域进行图像细化，将细化的结果作为建筑物的背景区域；以阴影区域的质心为起点向太阳高度角反方向搜索，获得建筑物部分的区域，将这个区域作为建筑物的目标区域；利用线性迭代聚类法对航空影像进行超像素分割；基于分别获得的背景区域和目标区域，利用最大相似度进行超像素划分块的合并，提取建筑物的轮廓线。本发明利用面向对象分割思想和影像中目标的上下文信息进行建筑物轮廓线的提取，不但显著提高了建筑物轮廓提取的精度，而且降低了方法的复杂度。
-
公开(公告)号：CN105975913A
公开(公告)日：2016-09-28
申请号：CN201610273017.3
申请日：2016-04-28
Applicant: 武汉大学
Abstract: 本发明提供一种基于自适应聚类学习的道路网提取的方法，包括已提取路段矢量的连接构网，新增路段检测与提取；道路提取结果的推理验证三方面内容。路段连接构网过程综合考虑了道路的几何特征和已检测的道路交叉结构约束，从而保证路段连接结果的合理性。新增道路自动提取是道路提取研究领域的难点，在已有道路矢量语义标记的前提下，依然需要解决高分遥感影像道路特征异质性和多样性的问题。从样本自适应聚类与多分类器道路样本分类结果融合作为新增道路提取的研究思路。最后，从道路提取结果的正确性要求出发，引入D‑S证据理论对道路提取结果进行验证，并根据各类特征与道路的关系定义相应的验证概率分布函数。
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
