-
公开(公告)号：CN114463202B
公开(公告)日：2024-11-08
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：CN114936585B
公开(公告)日：2024-10-01
申请号：CN202210354338.1
申请日：2022-04-06
Applicant: 武汉大学
Abstract: 本发明提出一种自适应空间加权的变分遥感影像空谱融合方法，首先基于遥感影像的降质过程建立影像的观测模型，并建立包含光谱保真项、空间增强项及先验项的变分影像融合模型。其次对空间增强项及先验项分别进行自适应空间加权，在求解过程中的每轮迭代自动求解与自适应调节正则化参数。最后使用交替方向乘子法ADMM对该最优化问题进行迭代求解，从而获得高精度融合影像。本发明在现有遥感影像变分融合的基础上，在空间增强项及先验项每轮迭代过程中，对正则化空间权重参数进行自动求解与自适应调节，可有效优化模型并获取最优解，并可有效保留影像空间结构信息与去除噪声。
-
公开(公告)号：CN111292266B
公开(公告)日：2022-07-05
申请号：CN202010075853.7
申请日：2020-01-22
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于双低秩矩阵分解的GF‑5遥感影像混合噪声去除方法，通过利用无噪GF‑5遥感影像的低秩性质、GF‑5遥感影像每个波段上条带噪声的低秩结构和稀疏噪声的稀疏特性，建立基于双低秩矩阵分解的GF‑5遥感影像混合噪声去除模型，采用增广拉格朗日乘子法进行求解得到无噪GF‑5遥感影像。本发明将双低秩矩阵分解模型应用于GF‑5遥感影像混合噪声去除，较于目前的高光谱遥感影像混合噪声去除方法，本发明可以更有效的去除GF‑5遥感影像中的混合噪声，大幅提高GF‑5遥感影像的应用潜力。
-
公开(公告)号：CN112419194B
公开(公告)日：2022-04-12
申请号：CN202011339970.6
申请日：2020-11-25
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 针对光学遥感影像可见光与近红外谱段中广泛存在的薄云雾覆盖问题，公开了一种短波红外波段辅助的遥感影像薄云雾校正方法。首先，利用短波红外波段几乎不受云雾影响、可提供完整地表信息的特性，将其作为参考影像逐一寻找云区像元在非云区的若干相似像元；其次，以不同波段间的散射规律作为定量约束，对相似像元进行优选，综合考虑光谱相似性对优选像元进行排序；最后，通过构建带边界条件的空谱马尔科夫随机场模型，利用多标签图割优化算法进行求解，确定全局最优的相似像元填充方案，实现影像中薄云雾的高保真校正。本发明操作方便，数据要求相对易于满足，具有较强的可扩展性和实用价值。
-
公开(公告)号：CN113205565A
公开(公告)日：2021-08-03
申请号：CN202110393861.0
申请日：2021-04-13
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多源数据的森林生物量遥感制图方法，该方法集成光学遥感数据、雷达遥感数据和地形数据，使用异速生长方程将样地调查数据转换为森林地上生物量，利用逐步回归与随机森林方法对遥感数据的指标进行筛选，建立多元线性回归和随机森林两种森林地上生物量模型，使用十折交叉验证方法得到的决定系数与均方根误差选取最佳模型，利用PALSAR‑2Forest/Non Forest产品得到森林掩膜完成森林地上生物量制图。本发明充分结合光学遥感和雷达遥感数据的优点，能够高效率、高精度地完成大范围生物量估算。此外，本发明根据决定系数与均方根误差指标选取最佳模型，在应用于不同区域森林生物量估测时可相应调整，模型准确性高。本发明通用性强，便于推广使用。
-
Patent Agency Ranking
公开(公告)号：CN112419155A
公开(公告)日：2021-02-26
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：CN104616265B
公开(公告)日：2018-02-09
申请号：CN201510074076.3
申请日：2015-02-12
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种遥感序列数据的时域重建方法，首先计算遥感时间序列数据彼此之间非缺失公共部分的相关性，通过相关性大小为缺失部分重建合理分配权值；然后通过矩匹配计算参考影像与待重建影像的匹配对应值；最后通过加权谐波分析法对时间序列进行重建。本发明以数据彼此之间的相关性合理分配权值，借助矩匹配的原理将参考影像灰度水平向待重建影像的灰度水平靠近，通过加权谐波分析法遵循时间依存关系进行遥感时间序列数据的时域重建，不仅充分利用了时间序列数据的时空依存关系，使得重建结果真实可用，而且容易实现，效率高，具有重要的实际应用意义。
-
公开(公告)号：CN104616265A
公开(公告)日：2015-05-13
申请号：CN201510074076.3
申请日：2015-02-12
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种遥感序列数据的时域重建方法，首先计算遥感时间序列数据彼此之间非缺失公共部分的相关性，通过相关性大小为缺失部分重建合理分配权值；然后通过矩匹配计算参考影像与待重建影像的匹配对应值；最后通过加权谐波分析法对时间序列进行重建。本发明以数据彼此之间的相关性合理分配权值，借助矩匹配的原理将参考影像灰度水平向待重建影像的灰度水平靠近，通过加权谐波分析法遵循时间依存关系进行遥感时间序列数据的时域重建，不仅充分利用了时间序列数据的时空依存关系，使得重建结果真实可用，而且容易实现，效率高，具有重要的实际应用意义。
-
公开(公告)号：CN103034981A
公开(公告)日：2013-04-10
申请号：CN201210551266.6
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种基于多时相数据的遥感影像加权回归恢复方法，若遥感影像有部分区域由于数据丢失或云污染等原因无法得到有效数据，可通过另外时刻所获得数据中所含的补充信息进行恢复。首先对受损影像以及用于提供参考信息的辅助影像进行几何配准；然后对每个待恢复区域内的像素，在辅助影像中寻找其相似像素，利用相似像素在待恢复影像与辅助影像间的变化关系，对每个待恢复点进行加权回归运算后得到恢复后的像素。本发明充分利用了影像中相似点在不同时相影像中的对应关系，通过对像素的空间与光谱差异进行加权计算，使得恢复结果更接近真实数据。而且计算效率较高，易于实现，实用价值高，可用于遥感影像恢复的业务化运行。
-
公开(公告)号：CN101916430A
公开(公告)日：2010-12-15
申请号：CN201010227714.8
申请日：2010-07-13
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供基于波段相关性的遥感影像类内局部拟合恢复方法，如果遥感影像有部分区域在某个波段上由于数据的丢失或噪声的干扰等原因而无法得到有效的数据，而在与该波段光谱范围相邻近的波段上却包含有效的数据，那么可以通过这两个波段间的相关性来进行恢复。首先对相关性较强的几个波段进行非监督分类，以区分波段间相关性差异较大的地物；然后采用类内局部拟合的方法，对每个待恢复点进行运算后得到恢复值。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并顾及了地物类型和光谱特性，更能接近真实的数据。而且计算效率较高，易于实现，实用价值高，特别适用于多波段的遥感影像数据恢复。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.023 seconds)
