公开(公告)号：CN117274809A

公开(公告)日：2023-12-22

申请号：CN202311239829.2

申请日：2023-09-25

Applicant: 武汉大学

Inventor： 杨杰 ,  王号众 ,  孙维东 ,  赵伶俐 ,  刘进

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/74 ,  G06T7/32 ,  G06T7/33

Abstract: 本发明提供一种基于时序星载SAR影像的洪涝水体提取方法及系统，进行雷达影像预处理，包括利用星载SAR平台参数实现影像的粗配准；时序星载SAR影像的配准；构建基于统计特征的异常值检测因子，所述异常值检测因子采用综合极化方式、轨道参数和成像模式差异的时序SAR影像Z‑score值；基于GPM和Z‑socre的自动化影像块筛选，包括先基于GPM得到完全无雨基线CRB影像集，然后基于Z‑socre和CRB联合得到不受降雨影响的基线RRB，利用RRB实现序列影像块自动筛选；基于分类树的大范围洪水自动提取，包括利用世界定居点足迹WSF数据实现影像中城区与非城区划分，基于建筑区域和自然区域洪水时期散射机理的差异性，进行建筑区域内涝和自然区域洪水的决策树方式提取。

公开(公告)号：CN113378716A

公开(公告)日：2021-09-10

申请号：CN202110652684.3

申请日：2021-06-11

Applicant: 武汉大学

Inventor： 耿晓蒙 ,  杨杰 ,  赵伶俐 ,  史磊 ,  李平湘 ,  孙维东 ,  赵金奇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08 ,  G06T7/62 ,  G06T7/66

Abstract: 本发明涉及一种基于自监督条件下的深度学习SAR影像舰船识别方法。首先对SAR数据进行预处理，利用累计逆指数概率分布获取图像像素阈值，并利用阈值进行快速分割得到二值化图像，然后对二值化图像进行八邻域连通处理，获取候选目标的几何信息，根据候选目标的几何信息构建SAR舰船切片数据集，最后建立CNN网络模型，并对其进行训练、调优后用于舰船目标的自监督识别。本发明基于自监督思想的CNN模型，识别过程仅需要标注少量训练样本，极大减少了样本标注时间，提高了舰船检测效率；主干模型采用轻量模型Shufflenet网络，模型参数较少，能够以较少的训练时间获取较高的训练精度，收敛速度快，精度高。

公开(公告)号：CN107292920B

公开(公告)日：2019-08-20

申请号：CN201710454060.4

申请日：2017-06-15

Applicant: 武汉大学

Inventor： 赵金奇 ,  杨杰 ,  李平湘 ,  刘文宋 ,  赵伶俐 ,  王猛 ,  常永雷 ,  杨乐 ,  姜维

IPC: G06T7/33 ,  G06K9/00 ,  G06K9/46

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。