-
公开(公告)号：CN117253557A
公开(公告)日：2023-12-19
申请号：CN202311268859.6
申请日：2023-09-27
Applicant: 武汉大学
Abstract: 本发明提供一种基于改进粒子群算法的热红外高光谱特征波段选择方法，包括以下步骤：步骤1，制备混盐矿样品，并采集混盐矿样品的高光谱发射率波谱，测量所述混盐矿样品中多种混盐矿物质各自的质量含量百分比，作为用于选择特征波段和进行含量预测的数据集；步骤2，将步骤1中的数据集作为输入，基于改进的粒子群算法建立混盐矿中各物质特征波段组合及对应含量预测的预测模型；步骤3，基于所述步骤2中的预测模型，对未知混盐矿中各物质特征波段组合及对应含量进行预测，采集该混盐矿物质含量百分比并进行结果验证。本发明的优点为：改进的粒子群算法不需要人为调整算法的参数，且得到的波段组合预测结果稳定。
-
公开(公告)号：CN115512246A
公开(公告)日：2022-12-23
申请号：CN202211163029.2
申请日：2022-09-23
Applicant: 武汉大学
IPC: G06V20/17 , G06V10/764 , G06V10/774 , G06T11/60
Abstract: 本发明涉及一种基于层次化密集架构搜索的遥感灾害场景制图方法，用于复杂多灾害场景的地表覆盖制图与损毁评估，辅助灾害应急相应与决策。设计高效层次化密集架构搜索框架，搜索阶段结合现有各类深度编码器，自适应优化多尺度密集解码器架构参数，以满足当前场景各类受灾地物特征高效融合，通过广度优先解码最优解码架构；训练阶段通过迁移深度编码器模型参数，联合搜索得到的解码结构，实现高效模型训练。本发明能够解决复杂灾害场景网络架构设计难度高，时间成本昂贵等问题，无须人工设计深度解译架构，面对各类灾害或其他复杂场景均能实现数据到解译结果的高效全自动化。
-
公开(公告)号：CN114663821A
公开(公告)日：2022-06-24
申请号：CN202210537152.X
申请日：2022-05-18
Applicant: 武汉大学
IPC: G06V20/40 , G06V10/22 , G06V10/25 , G06V10/26 , G06V10/58 , G06V10/46 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00 , G06T7/00
Abstract: 本发明针对现有的基于推扫式高光谱成像仪的检测系统成像速度慢，现有的传统机器学习模型无法充分表达高光谱特征的问题，公开了一种基于视频高光谱成像技术的产品质量实时无损检测方法。主要包括：使用质量检测仪器进行产品的理化性质检测；搭建硬件平台，使用视频高光谱成像技术获取产品光谱的三维立方；对原始高光谱数据进行预处理，提取产品感兴趣目标区域部分的平均光谱；对检测样本打标签，训练一维光谱分类模型，使用模型对检测样本中测试样本进行预测；将产品品质检测结果实时展示在系统软件上。本方法可实时获取产品待测样本的高光谱数据，可实现产品品质的实时检测，并保持较高的检测精度。该方法无需人工干预，可自动化处理。
-
公开(公告)号：CN112766089B
公开(公告)日：2022-05-13
申请号：CN202110004130.2
申请日：2021-01-04
Applicant: 武汉大学
IPC: G06V20/10 , G06K9/62 , G06N3/04 , G06N3/08 , G06V10/774 , G06V10/764 , G06V20/40
Abstract: 本发明公开了一种基于全局‑局部对抗学习框架的跨域道路提取方法，该方法具有以下两个显著特点：一是利用一个全局‑局部对抗学习框架用于高分辨率遥感影像跨域道路提取，该框架首先利用生成器生成特征，来混淆判别器，生成器后面紧接着两个分支，一个分支进行道路分割，另一个分支通过全局‑局部对抗学习引导生成器生成域不变特征。第二，全局‑局部对抗学习过程中，使用两个互斥分类器对道路进行识别，两个分类器识别的差异可以反映每一个像素的识别难易程度，从而自适应地对对抗损失进行加权，自动减慢或加速对抗学习的过程。本方法可以明显改善道路缺失现象，对于一些困难的样本也能较好的识别，显著提升道路识别精度。
-
公开(公告)号：CN112668421A
公开(公告)日：2021-04-16
申请号：CN202011507891.1
申请日：2020-12-18
Applicant: 武汉大学
Abstract: 本发明针对无人机高光谱影像，公开了一种基于注意力机制的无人机高光谱农作物快速分类方法，主要包括：使用光谱注意力模块提取通道间的上下文信息；使用尺度注意力模块提取多尺度上下文信息；使用空间注意力模块中融合低层细节特征和高级语义特征；设计边界约束的损失函数进一步增加农作物特征的区分性。本发明能够适用于海量高维非线性数据结构的双高影像农作物精细分类，极大改善了双高影像农作物分类结果中错分孤立区域现象，是一种快速精确的农作物精细分类方法，可满足无人机载高光谱影像农作物精细分类制图的需求。
-
Patent Agency Ranking
公开(公告)号：CN111325116A
公开(公告)日：2020-06-23
申请号：CN202010080931.2
申请日：2020-02-05
Applicant: 武汉大学
Abstract: 本发明公开了一种基于线下训练-线上学习深度可演化的遥感影像目标检测方法；首先“线下训练”利用少量的目标标注数据训练一个初始的目标检测模型，并将模型转发到“线上学习”模块；“线上学习”模块利用当前目标检测模型对大规模遥感影像进行目标检测，获得具有一定误差的目标检测结果，称为“粗样本”；“演化”模块则通过一定的选择策略将“粗样本”转化为“精样本”，并将“精样本”转发到“线下训练”模块，并对初始的目标检测模型进行增量学习；整个目标检测流程形成一个闭环，仅需要少量的标注数据，即可获得一个可进化的目标检测模型及一个增量更新的目标检测样本库，大幅度降低了大规模遥感影像目标检测算法的应用成本。
-
公开(公告)号：CN107909039B
公开(公告)日：2020-03-10
申请号：CN201711138873.9
申请日：2017-11-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于并行算法的高分辨率遥感影像的地表覆盖分类方法，包括：S1根据计算机的个数对高分辨率遥感影像数据进行切分，获得切分后的高分辨率遥感影像块；S2基于OpenMP并行框架将所有高分辨率遥感影像块分配给m个处理器，并发的执行地表覆盖分类处理；S3按照数据切分原则，将所有高分辨率遥感影像块数据进行合并，得到最终的地表覆盖分类结果。本发明方法根据数据大小以及使用计算机内存情况自动对数据进行切分，使用配置文件组织分类算法流程，实现并行分类算法，从而可以适应数据量极具规模、地物空间精细划分的高分辨率地表覆盖制图任务。
-
公开(公告)号：CN107341795B
公开(公告)日：2020-03-10
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：CN107301420A
公开(公告)日：2017-10-27
申请号：CN201710527099.4
申请日：2017-06-30
Applicant: 武汉大学
CPC classification number: G06K9/4671 , G06K9/342 , G06K9/629 , G06K2209/21
Abstract: 本发明公开了一种基于显著性分析的热红外影像目标探测方法，包括：S1构建热红外影像的全局显著图；S2构建热红外影像局部显著图；S3构建热红外影像融合显著图；S4热红外影像目标探测，对融合显著图进行阈值分割得到标记目标位置的二值结果图。本发明方法弥补了形态学滤波、中值滤波、二维最小二乘法的不足，可用于热红外影像的影像增强，目标检测等工作。本发明基于单波段影像灰度特征和方向特征，不受限于热红外成像仪通道数，同时适用于单波段、多波段热红外影像；检测精度高，无需辅助信息和人工干预，计算速度快，可自动化处理。
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.024 seconds)
