-
公开(公告)号：CN114996624A
公开(公告)日：2022-09-02
申请号：CN202210354351.7
申请日：2022-04-06
Applicant: 武汉大学
Abstract: 本发明公开了一种基于多任务深度学习的遥感PM2.5和NO2协同反演方法，包括：对地面站点PM2.5和NO2数据、遥感数据、气象数据及其他辅助数据的获取与预处理；使用遥感信息及空间数据处理手段对多源数据进行处理并提取特征变量；对变量进行格网化时空匹配，将匹配后具有地面监测站点对应真值的格网数据作为样本数据，构建样本集；构建多重门控混合专家架构的多任务深度学习神经网络模型，进行多任务深度学习网络自适应训练，并在验证通过后使用该模型对未知真值的格网上的PM2.5和NO2浓度进行协同反演，得到最终的PM2.5和NO2浓度反演结果。本发明基于多任务深度学习协同反演PM2.5和NO2大气污染，获得更加准确的反演结果，实现更精细的多种大气污染物协同监测。
-
公开(公告)号：CN114936585A
公开(公告)日：2022-08-23
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：CN112419197A
公开(公告)日：2021-02-26
申请号：CN202011350566.9
申请日：2020-11-26
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种通用的单、多时相SAR影像相干斑噪声去除方法。首先获取多时相的SAR影像，对多时相SAR影像做预处理，并且使用多时相平均影像作为标签影像，再通过添加不同程度的相干斑噪声，生成训练样本；然后，根据需求构建单、多时相SAR影像相干斑噪声通用网络模型，需考虑网络可输入任意数量时相以及时空信息的充分挖掘；接着根据需求，确定网络训练损失函数、训练优化方法以及超参数；对训练样本进行数据增强，包括归一化、裁剪、翻转旋转等操作；其次对使用训练样本训练网络模型，获得模型参数；输入测试样本到网络中，最终获得输出的相干斑噪声去除影像。本发明操作方便，计算效率高，数据要求低，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN112419194A
公开(公告)日：2021-02-26
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：CN110335208A
公开(公告)日：2019-10-15
申请号：CN201910494982.7
申请日：2019-06-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于逐步校正的高分辨率遥感影像厚云去除方法，通过基于超像素分割的云掩膜优化、基于逐步局部校正的云去除、基于全局优化的云去除区域残差校正三个步骤，利用辅助影像中互补信息对目标影像中厚云覆盖区域进行重建。本发明结合逐步局部校正和全局优化对辅助影像中互补信息进行亮度校正，用于目标高分辨率影像中厚云覆盖区域的填补，从而实现目标影像中厚云去除。该方法云去除精度高、速度快，可拓展性强，实用价值高。
-
Patent Agency Ranking
公开(公告)号：CN105931181B
公开(公告)日：2018-10-26
申请号：CN201610231568.3
申请日：2016-04-14
Applicant: 武汉大学
IPC: G06T3/40
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：CN105512464B
公开(公告)日：2018-01-23
申请号：CN201510849327.0
申请日：2015-11-26
Applicant: 武汉大学
IPC: G06F19/00
Abstract: 本发明公开了一种结合卫星和站点观测反演时空连续PM2.5浓度的方法，首先对地面站点PM2.5数据进行空间插值，得到各个位置在时间上的变化规律；然后利用参考时刻的卫星反演PM2.5数据，以及对应时段的站点插值结果的变化趋势，重建得到待修复时刻的估算值；最后构建待修复时刻未缺失区和对应位置的上述估算值的回归关系，并基于此关系对缺失区的估算值进行校正，得到最终的恢复值。本发明考虑到多源数据的时间变化规律与联系，可重建得到时空连续的PM2.5浓度数据，并最大化地利用地面站点观测。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN105512464A
公开(公告)日：2016-04-20
申请号：CN201510849327.0
申请日：2015-11-26
Applicant: 武汉大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种结合卫星和站点观测反演时空连续PM2.5浓度的方法，首先对地面站点PM2.5数据进行空间插值，得到各个位置在时间上的变化规律；然后利用参考时刻的卫星反演PM2.5数据，以及对应时段的站点插值结果的变化趋势，重建得到待修复时刻的估算值；最后构建待修复时刻未缺失区和对应位置的上述估算值的回归关系，并基于此关系对缺失区的估算值进行校正，得到最终的恢复值。本发明考虑到多源数据的时间变化规律与联系，可重建得到时空连续的PM2.5浓度数据，并最大化地利用地面站点观测。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN103034988A
公开(公告)日：2013-04-10
申请号：CN201210551277.4
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明提出一种任意传感器数量的时空定量遥感融合方法，该方法通过融合任意数量传感器的定量遥感产品生成同时具有这些传感器中最高时空分辨率的定量遥感产品。首先对定量产品进行必要的预处理；其次，对不同传感器定量产品的尺度差异不确定性进行精确表达，并结合M估计理论提高类内拟合精度，从而准确表达光谱尺度差异；再次，以最高空间分辨率产品逐个像元为中心开窗，在窗口内筛选相似像元，并结合光谱尺度差异等权重因子，构造时空融合模型；最后，利用变分框架求解。本发明充分利用不同传感器间的时空互补信息和尺度过渡效应，并顾及地物类型等较正确描述尺度差异，使得融合结果更接近真实的定量产品。且不需要任何辅助数据，易于实现。
-
公开(公告)号：CN103020939A
公开(公告)日：2013-04-03
申请号：CN201210551692.X
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/50
Abstract: 本发明公开了一种利用多时相数据去除光学遥感影像大面积厚云的方法：如果光学遥感影像中存在大面积的厚云，而该区域其他时相的影像存在无云数据，则可利用它们的互补信息对云区数据进行修复重建。首先利用所有时相的无云数据进行字典学习，自适应地顾及影像间的相关性，学习出一个过完备的字典及该影像的最佳稀疏表示系数，最后对厚云区的数据修复重建。本发明利用不同的多时相影像厚云区的互补信息，以各影像的相关性作为权重，借助新兴的稀疏表达理论填补影像厚云区数据，不仅取得了较高的精度，还拓展了大面积厚云去除的思路，具有重要的实际意义。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.017 seconds)
