-
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
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。
-
公开(公告)号：CN111126256A
公开(公告)日：2020-05-08
申请号：CN201911336874.3
申请日：2019-12-23
Applicant: 武汉大学
Abstract: 本发明公开了一种基于自适应空谱多尺度网络的高光谱图像分类方法，包括训练阶段和预测阶段。训练阶段包括图像预处理，样本的选取和网络训练。首先将高光谱图像进行降维处理。在样本选取阶段，从原始和降维高光谱图像上每类随机选取适当比例的带有标记的样本，然后使用设计好网络进行训练。在预测阶段，直接将整幅图像输入网络后得到最终的分类结果。
-
公开(公告)号：CN110781926A
公开(公告)日：2020-02-11
申请号：CN201910935589.7
申请日：2019-09-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种基于鲁棒辅助信息重构的支持向量机多谱段图像分析方法，包括以下步骤：从原始多谱段图像数据集中选择训练样本，分别计算所有输入多谱段图像样本和辅助图像数据的核矩阵、鲁棒约束矩阵，定义中间变量，优化求解目标函数对应的二次规划问题，得到最优的变量；基于当前最优的变量，优化求解重构系数矩阵；重复直至模型收敛，输出鲁棒分类器模型；验证分类效果，预测可能存在噪声的测试样本的标签，并与真实标签进行对比。本发明考虑了原始多谱段数据样本与辅助图像数据可能存在噪声的这一困难情况，弥补了现有方法缺乏有效解决策略的不足。
-
公开(公告)号：CN105787523B
公开(公告)日：2019-06-25
申请号：CN201610206981.4
申请日：2016-04-05
Applicant: 武汉大学
Abstract: 本发明公开了一种高光谱图像混合像元分解算法，基于非负矩阵分解模型，利用丰度的平滑和分离特征对丰度进行约束，来进行端元和丰度的估计。本发明在对丰度进行平滑约束时，考虑到边界点和异常点的存在所带来的不平滑现象，利用图像的光谱信息将这些不平滑的像元对排除在平滑约束之外，并利用光谱信息，根据热核公式计算像元对之间的平滑权值，越相似的像元其权值越大。用计算得到的权值对像元对的丰度进行平滑约束。分离约束的引入可以避免产生过平滑现象，得到一个更稳定的端元和丰度估计结果。
-
公开(公告)号：CN109919083A
公开(公告)日：2019-06-21
申请号：CN201910165983.7
申请日：2019-03-06
Applicant: 武汉大学
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。
-
Patent Agency Ranking
公开(公告)号：CN109919058A
公开(公告)日：2019-06-21
申请号：CN201910143170.8
申请日：2019-02-26
Applicant: 武汉大学
Abstract: 本发明公开一种基于Yolo V3的多源视频影像重点目标快速检测方法，利用“天网系统”所获得的可见光监控视频与热红外监控视频数据源，依据所监测重点嫌疑目标的先验材料，将获取的视频帧图像进行校正后制作训练数据图集，作为输入对目标检测模型Yolo V3进行多尺度训练，利用上述训练所得模型对实时多源监控视频进行快速检测，输出重点嫌疑目标可能出现的区域范围，在所述区域内用搭载有多源数据采集传感器的无人机对目标进行锁定与追踪，将无人机获取的多源影像数据输入到所述目标探测模型中，输出嫌疑目标确切位置。本发明为重点嫌疑目标快速检测与锁定提供一种全天时、大范围、精细化的方法。
-
公开(公告)号：CN105825512B
公开(公告)日：2018-06-29
申请号：CN201610156116.3
申请日：2016-03-18
Applicant: 武汉大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于稳健背景回归的高光谱遥感影像异常目标探测方法，运用核扩张技术，高光谱遥感数据非线性分布关系，获取高光谱遥感影像数据伪密度。通过设置稳健背景和潜在异常目标正负软标签，在高光谱遥感影像伪密度值与软标签之间建立回归关系。通过联合流型控制项解析高光谱遥感数据内在流型结构，以及通过联合稳健背景均值最大偏置项，最大程度地在稳健背景集合中排除潜在异常目标，使迭代回归可得到最优化的稳健背景集合。根据稳健背景集合获取影像数据中各像元异常度积分。具有适应度高、深入挖掘数据关系结构的特点，同时突出异常目标，异常目标探测精度较高，适合高光谱遥感影像的数据特点，适用于高光谱遥感影像异常目标检测。
-
公开(公告)号：CN107341795A
公开(公告)日：2017-11-10
申请号：CN201710527128.7
申请日：2017-06-30
Applicant: 武汉大学
Abstract: 本发明针对高空间分辨率影像变化检测的应用需求，公开了一种基于多元特征提取与知识驱动的高空间分辨率遥感影像自动变化检测方法。主要包括：S1知识驱动的地表覆盖区域分离；S2提取多元遥感影像特征；S3基于多元特征与地物分布知识的变化检测；S4基于形态学和连通域分析的变化检测后处理及矢量化。本方法能够在有效减少传统变化检测方法由于影像空间分辨率过高导致的虚警率，并保持较高的感兴趣变化地物检测精度。该方法无需人工干预，计算速度快，可满足海量卫星影像自动化生产的需求。
-
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：CN105825529A
公开(公告)日：2016-08-03
申请号：CN201610157079.8
申请日：2016-03-18
Applicant: 武汉大学
IPC: G06T9/00
CPC classification number: G06T9/00 , G06T2207/10036 , G06T2207/20081
Abstract: 本发明公开了一种基于非局部和低秩分解的高光谱图像压缩方法，利用非局部相似性对高光谱图像进行分块，获得大小相同的高光谱小块，之后根据相似性，相似的块将被聚为一类，同一类的块组成的4阶数据可以被低秩分解，因为分解后的数据大小远小于原始数据大小，从而实现对高光谱数据的压缩，并且可以充分利用高光谱数据的空间结构特征和光谱结构特征。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.024 seconds)
