-
公开(公告)号：CN108469614A
公开(公告)日：2018-08-31
申请号：CN201810259117.X
申请日：2018-03-27
Applicant: 武汉大学
Abstract: 本发明提供一种基于未定标极化雷达影像的角反射器探测方法，包括筛选局部窗口内功率值最大的点作为疑似角反射器点，剔除出现在城区中的疑似点，保留满足反射对称性的疑似点，保留同极化目标，选择多样性测度最小的目标作为探测到的角反射器。本发明在典型目标散射特性分析的基础上，通过“被选点探测-城区虚警剔除-反射对称目标保留-同极化目标保留”策略，有效地探测出未定标极化SAR影像中的二面或三面角反射器。本发明对我国雷达系统影像的定标提供了有效方法，以较少的花费保障我国所获取的全球数据质量的稳定性，并且可以较好提升雷达侦察系统的完备性、鲁棒性。
-
公开(公告)号：CN107292920A
公开(公告)日：2017-10-24
申请号：CN201710454060.4
申请日：2017-06-15
Applicant: 武汉大学
Abstract: 本发明一种联合分类的多时相全极化SAR影像变化检测方法，包括1）对多时相全极化SAR影像进行预处理；2）对经过预处理后的多时相全极化SAR影像自动进行相似度测度差异图和阈值的获取，并计算相应影像功率的方差；3）相应的影像功率的方差决定着先后分类的顺序，相似度测度决定联合分类的策略；4）利用适合全极化SAR影像的Wishart分类器作为联合分类的分类器，对多时相全极化SAR影像进行联合分类。5）通过对比多时相联合分类的分类结果，可以得到变化检测二值图和地物类别变换检测结果。本发明能够同时充分的利用多时相全极化信息获取变化检测的二值影像和相应的地表类别变化影像，可用于多时相全极化SAR影像变化检测。
-
公开(公告)号：CN118015451A
公开(公告)日：2024-05-10
申请号：CN202410062939.4
申请日：2024-01-16
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/30 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于孪生注意力复数卷积神经网络的极化SAR变化检测方法及系统，针对PolSAR影像受相干斑噪声影响较大，产生的差异图质量较差，以及目前基于SAR影像变化检测的实数网络会破坏PolSAR数据复数结构完整性的问题。本发明利用孪生网络架构，构建更鲁棒的多尺度特征差异图，以抑制相干斑噪声的影响，并且结合复数网络保持了PolSAR数据结构的完整型，减少极化信息损失，还设计了相应的复数注意力模块以增强变化区域识别，最后通过对多尺度特征差异图进行解码获取变化检测结果。通过孪生注意力复数卷积神经网络，在抑制了相干斑噪声影响的同时增强了对极化信息的利用，提高了PolSAR变化检测精度。
-
公开(公告)号：CN113627480B
公开(公告)日：2023-08-08
申请号：CN202110775729.6
申请日：2021-07-09
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于强化学习的极化SAR影像分类方法。首先对极化SAR影像进行辐射定标、滤波处理，接着对其进行极化分解得到极化特征参数，并对极化特征参数进行归一化处理，构建极化‑空间联合样本集，然后采用强化学习的开发‑利用学习机制训练FCN模型，在提升样本空间上下文信息和极化特征信息利用效率的同时，通过对样本的学习探索，生成大量的经验数据来训练模型，以达到减少样本量和提升分类精度的双重目的，最后用训练好的FCN模型对极化SAR影像进行分类。与现有需要大量数据驱动的CNN网络模型不同，本发明经过强化学习的经验生成和利用，在不超过2％的标注样本需求下即可获取很高的分类精度，满足极化SAR影像在小样本下高精度分类需求。
-
公开(公告)号：CN113343804B
公开(公告)日：2022-04-29
申请号：CN202110577250.1
申请日：2021-05-26
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/26 , G06V10/774 , G06K9/62 , G06N20/00
Abstract: 本发明提供一种面向单视全极化SAR数据的集成迁移学习分类方法，采用全图分割和局部开窗分割，利用图像空间上下文信息浓缩源域有标签样本量和扩充目标域有标签样本量；然后结合散射矢量相似性系数和适应度函数设置源域有标签样本选取过程，根据目标域类别中心调整训练评判器模型所用源域样本分布；引入对弱分类器可靠性的参考信息作为权重因子，采用加权形式利用迁移弱分类器进行类别软预测，给予预测结果一致的目标域无标签像元伪标签，以扩充目标域有标签样本量并训练新弱分类器；通过迭代利用生成的迁移弱分类器集合完成目标域所有像元的集成分类。本发明能够显著降低雷达图像分类任务对目标域标签信息的高度依赖，提高分类效率和自动化水平。
-
Patent Agency Ranking
公开(公告)号：CN108469614B
公开(公告)日：2021-09-14
申请号：CN201810259117.X
申请日：2018-03-27
Applicant: 武汉大学
Abstract: 本发明提供一种基于未定标极化雷达影像的角反射器探测方法，包括筛选局部窗口内功率值最大的点作为疑似角反射器点，剔除出现在城区中的疑似点，保留满足反射对称性的疑似点，保留同极化目标，选择多样性测度最小的目标作为探测到的角反射器。本发明在典型目标散射特性分析的基础上，通过“被选点探测‑城区虚警剔除‑反射对称目标保留‑同极化目标保留”策略，有效地探测出未定标极化SAR影像中的二面或三面角反射器。本发明对我国雷达系统影像的定标提供了有效方法，以较少的花费保障我国所获取的全球数据质量的稳定性，并且可以较好提升雷达侦察系统的完备性、鲁棒性。
-
公开(公告)号：CN119649210A
公开(公告)日：2025-03-18
申请号：CN202411609252.4
申请日：2024-11-12
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 武汉大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/776
Abstract: 本发明涉及一种基于多尺度时变信息提取网络的SAR农作物分类方法，包括：获取待分类时序SAR影像；对待分类时序SAR影像进行预处理，并根据预处理结果和预设的标签数据进行配准，得到待分类切片数据；将待分类切片数据输入至预先构建的分类网络模型，得到待分类时序SAR影像的农作物分类结果，其中，预先构建的分类网络模型由多尺度时变信息模块和多尺度空间信息模块融合构建的初始网络模型训练得到。由此，通过构建多尺度时变信息网络模型对时序SAR影像中的信息进行分类，实现了在低参数量条件下，对农作物自动化智能化的高效准确分类，得以实现全天时全天候的农作物种植区监测。
-
公开(公告)号：CN119622995A
公开(公告)日：2025-03-14
申请号：CN202411431394.6
申请日：2024-10-14
Applicant: 武汉大学
IPC: G06F30/20 , G06F17/16 , G06F17/11 , G06T3/08 , G06F111/10
Abstract: 本申请涉及一种基于双极化分解和地表散射模型的土壤水分反演方法，其中，方法包括：对目标研究区的双极化SAR影像进行预处理；根据双极化广义体散射模型和Oh地表散射模型建立描述地表和植被之间散射过程的地表‑植被散射模型；将观测协方差矩阵和双极化广义体散射模型重构为在Stokes矢量上的投影，并利用不同极化通道的后向散射观测值和后向散射模拟值之间的代价函数及地面实测数据，对地表均方根高度和植被结构参数进行标定；基于标定后的地表‑植被散射模型，通过非线性最小二乘拟合解算得到对应的介电常数，并利用Topp模型将介电常数转化为土壤水分，得到土壤水分反演结果。本申请实施例使用双极化SAR数据有限的信息对散射场景进行建模，在有效解耦地表和植被散射信号的基础上实现了土壤水分的精确反演。
-
公开(公告)号：CN119575377A
公开(公告)日：2025-03-07
申请号：CN202411634037.X
申请日：2024-11-15
Applicant: 沈阳市勘察测绘研究院有限公司 , 武汉大学
IPC: G01S13/90
Abstract: 本申请涉及雷达遥感图像处理技术领域，特别涉及一种单极化合成孔径雷达变化检测方法及装置，其中，方法包括：对前后时相的初始单极化SAR影像预处理以得到最终影像，计算多尺度特征差异图，经模糊C均值聚类生成伪标签，以UNet编解码结构作为基本框架，设计双分支卷积神经网络结构，采用输入层、卷积层、池化层、全连接层与输出层组成孪生卷积神经网络，并在输入张量与经网络处理后的输出张量之间建立残差连接，生成变化检测模型，以利用变化检测模型输出单极化合成孔径雷达的检测结果。由此，解决了相关技术中，由于对SAR影像监测方法中对相干斑噪声的处理能力有限，以及静态阈值分割方法难以适应全局的缺陷，导致变化监测结果精确度不高等问题。
-
公开(公告)号：CN119510446A
公开(公告)日：2025-02-25
申请号：CN202411404096.8
申请日：2024-10-09
Applicant: 武汉大学
Abstract: 本申请涉及基于邻域变化检测和被动微波约束的土壤水分反演方法，其中，方法包括：获取覆盖目标研究区的合成孔径雷达SAR影像，并对SAR影像进行预处理；利用伪散射类型参数和伪散射熵参数得到中心像元的邻域同质像元；基于中心像元和邻域同质像元的共极化后向散射观测值，建立基于散射特性相似度加权的邻域变化检测模型；以长时序被动微波土壤水分产品对应的上下界作为约束范围，在约束范围内对土壤水分进行线性最小二乘拟合求解，以得到土壤水分反演结果。本申请实施例降低了植被的时间变异性给土壤水分反演带来的不确定性和数据的获取成本，解决了相关技术中，土壤水分时序变化检测方法受到植被时间变异性的影响，实际应用性能较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.019 seconds)
