-
公开(公告)号：CN100380395C
公开(公告)日：2008-04-09
申请号：CN200610019506.2
申请日：2006-06-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种遥感影像的人工免疫监督分类方法，其特征在于：(1)打开待分类遥感影像；(2)选择样区，输入参数；(3)计算亲和度阈值，选取各类初始人工识别球种群和初始抗体记忆库；(4)对样本数组中的所有抗原样本进行人工免疫系统训练，得到所有样区的抗体记忆库，(5)选择下一训练样本，重复步骤(3)到步骤(4)，直到完成所有样区的样本训练，得到所有样区的抗体记忆库；(6)对整幅影像，比较每个像元到抗体记忆库中记忆抗体的距离，将该像元判决到距离最小的那个记忆抗体所属的类别中去。本发明方法智能性高，执行效率高，适用于多光谱、高光谱遥感影像分类，可有效提高遥感影像的分类精度。
-
公开(公告)号：CN1873661A
公开(公告)日：2006-12-06
申请号：CN200610019508.1
申请日：2006-06-29
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 一种遥感影像的人工免疫非监督分类方法，其特征在于：(1)打开待分类遥感影像，并输入算法参数；(2)选取非监督分类的各类初始抗体种群和记忆抗体，存入各类的抗体数组和记忆抗体数组；(3)对影像抗原进行人工免疫系统训练，直到整幅影像全部被训练完成，(4)判断是否满足训练停止条件，如果不满足则从步骤(3)开始进行下一次迭代，否则人工免疫非监督分类完成输出分类结果。本发明方法继承了生物免疫系统生物属性，具有自组织、自学习、自识别、自记忆的能力，智能性高，实际运行中执行效率高，适用于多光谱、高光谱遥感影像非监督分类，可有效提高遥感影像的非监督分类精度。
-
公开(公告)号：CN116883821A
公开(公告)日：2023-10-13
申请号：CN202310815119.3
申请日：2023-07-04
Applicant: 武汉大学
IPC: G06V20/00 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084 , G06N3/092
Abstract: 本发明涉及一种基于密集残差自编码器的火星影像异常探测方法和设备。本发明提出一个创新模型，在保留Unet架构的基础上，在编码侧引入“密集残差”的思想，即通过一系列密集相连的卷积网络，强化其学习影像深层语义信息的能力。输入掩膜后的火星影像为重建背景，通过卷积和残差连接保持重建背景空间细节信息，并使用多种损失函数求和的形式抑制异常被重建，实现网络重建结果中背景与异常的分离。本发明可以解决火星影像深度学习异常探测问题，实现图象级异常探测结果。本发明可以有效提升火星影像异常探测的适用性和精度。
-
公开(公告)号：CN115346137B
公开(公告)日：2023-03-21
申请号：CN202211257905.8
申请日：2022-10-14
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/82 , G06V10/80 , G06V10/26 , G06V10/764
Abstract: 本发明涉及一种基于多任务学习的高标准农田地块矢量化提取方法，主要包括：设计超完备高分辨率密集多尺度模块来联合提取地块对象的形状变异性特征与地块边界类别相关的边缘特征，设计区域‑边界‑地块解耦多任务模块来联合优化地块对象提取与地块边界提取任务；设计地块边界‑对象交互矢量化模块进一步优化地块对象结果出现的粘连现象。本发明能够适用于多种空间分辨率下的光学遥感影像用于高标准农田地块矢量化提取任务，与现有的农田地块提取方法相比，本发明所提出的方法可处理至矢量结果并具有更高的地块对象提取精度以及平滑的地块边界，可满足于地块尺度农作物分类、估产等应用需求。
-
公开(公告)号：CN115512222A
公开(公告)日：2022-12-23
申请号：CN202211172718.X
申请日：2022-09-26
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/08
Abstract: 本发明涉及一种基于线下训练‑线上学习框架的灾害场景地物损毁评估方法，用于快速、准确的多灾害场景地物损毁评估，支撑灾害应急响应应用。通过线下训练‑线上学习框架不断对齐模型在未知区域、未知灾种数据中的统计特征分布，克服未知区域与未知灾种带来的分布漂移问题；并设计了端到端的多任务灾前地物提取与灾后损毁评估深度网络模型，将灾前地物区域提取与灾后地物损毁评估可微分地整合在一起，解决了传统损毁评估模型无法同时具备端到端训练、推理与目标一致性预测的问题。本发明能够解决现有的模型难以泛化到未知区域、未知灾种以及评估目标语义不一致等问题，有效支撑准确的分钟级城市灾害快速应急响应。
-
Patent Agency Ranking
公开(公告)号：CN112734745B
公开(公告)日：2022-08-05
申请号：CN202110076035.3
申请日：2021-01-20
Applicant: 武汉大学
Abstract: 针对无人机影像检测供热管道泄露应用中的尺度大小差距大，边界不够清晰，虚检高的问题，本发明提出了一种融合GIS数据的无人机热红外影像供暖管道泄漏探测方法。本发明融合了多尺度的局部与全局特征图，并且进一步融合了GIS数据加以辅助，这种算法通过融合全局和局部特征，解决了传统热红外影像的滤波探测算法中边界信息模糊的问题。通过多尺度的方法，可以实现无监督的寻找不同尺度大小的无人机影像上的供热管道泄漏点；并且对于供热管道检测中容易出现虚检现象，使用GIS数据加以辅助，从而大大减少了虚检的现象，并且本发明还可以适用于不同的热红外检测系统中，具有很强的泛用性。
-
公开(公告)号：CN112733788B
公开(公告)日：2022-08-05
申请号：CN202110077757.0
申请日：2021-01-20
Applicant: 武汉大学
Abstract: 本发明涉及一种基于跨传感器迁移的高分辨率遥感影像不透水面提取方法。本发明结合深度学习理论，设计跨传感器归一化层，利用数据驱动方式层次化自动学习传感器自身辐射特性归一化参数，消除不同遥感传感器间特性差异；并设计传感器相关对抗优化训练，高效优化地物语义相关卷积参数与各传感器相关归一化参数，增强不同数据源影像间深度学习模型的迁移能力。本发明能够解决现有深度迁移学习方法无法顾及传感器特性差异所带来的跨传感器迁移困难的问题，实现从高分辨率机载影像到星载影像的深度不透水面提取模型的迁移，有效提升跨传感器迁移分类与制图的精度。
-
公开(公告)号：CN112699838B
公开(公告)日：2022-06-07
申请号：CN202110041216.2
申请日：2021-01-13
Applicant: 武汉大学
Abstract: 本发明涉及一种基于光谱诊断特征加权自编码网络的高光谱混合像元非线性盲分解方法。本发明基于自编码的基本框架，将混合像元的分解过程和自编码结构的编码层进行对应，将混合像元的生成过程与自编码结构的解码层进行对应，利用卷积层进行高光谱图像空间信息的提取，充分考虑高光谱影像的空间信息。同时加入非线性变化模块，考虑真实场景中存的非线性混合，在进行损失函数计算时，因不同地物在不同波段具有不同光谱特征，所以对不同的波段赋予不同的权重进行损失计算。本发明可以解决高光谱遥感影像深度学习混合像元分解问题，实现全自动端到端混合像元分解，可以同时获得端元光谱和丰度分解结果。
-
公开(公告)号：CN112668420B
公开(公告)日：2022-06-07
申请号：CN202011507877.1
申请日：2020-12-18
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q10/04 , G06Q10/06 , G06Q50/26
Abstract: 本发明涉及一种基于非负风险估计的高光谱和LiDAR融合入侵树种探测方法。本方法通过非负风险估计，将遥感影像弱监督单类网络优化问题转化为经验风险最小化问题，同时综合使用了高光谱影像提供的空‑谱融合特征以及LiDAR数据提供的几何特征，通过卷积神经网络以数据驱动的方式自动提取影像的深度空‑谱融合特征，通过非负风险估计端到端的优化卷积神经网络的参数，避免后期阈值调节。本发明可以用来进行入侵树种的分布探测，在物种多样性较高的热带区域仍可以获得可靠的探测结果。
-
公开(公告)号：CN112668421B
公开(公告)日：2022-04-29
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。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.019 seconds)
