-
公开(公告)号:CN115994878A
公开(公告)日:2023-04-21
申请号:CN202310068415.1
申请日:2023-01-13
Applicant: 武汉大学
Abstract: 本发明公开了一种高分辨率卫星融合影像质量提升的方法,分为高精度密集匹配、解求线性拟合模型参数、解求分段模型参数、解求三角级数模型参数等四部分。首先,完成全色和多光谱影像高精度匹配,获得稠密的匹配点,通过“反投影‑重投影”过程获得融合配准误差;其次,采用线性模型对融合配准误差进行拟合,求解线性模型参数;然后,采用分段模型对剩余部分误差进行拟合,求解分段模型参数;然后,采用三角级数模型对最后剩余的误差进行拟合,求解三角级数模型参数;最后,对原始多光谱影像逐点用上述三项模型之和计算坐标改正值,并对像点位置进行纠正,得到无误差的多光谱影像,完成融合影像质量提升。
-
公开(公告)号:CN111325134B
公开(公告)日:2023-04-07
申请号:CN202010096703.4
申请日:2020-02-17
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/52 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨层连接卷积神经网络的遥感影像变化检测方法,属于遥感影像处理方法。本发明包含一种新的卷积神经网络,该网络设计了一种基于跨层连接模块的卷积神经网络模块,该模块利用左右分支充分挖掘遥感影像中的多尺度信息,并通过跨层连接融合多层级特征,实现遥感影像中的影像信息的有效提取。本方法对输入的两张同样尺寸、分辨率、地理覆盖范围的遥感图像,经由该卷积神经网络进行运算,可得到同一尺寸的变化检测结果图。本发明中的卷积神经网络可以获得极佳的遥感影像变化检测精度。
-
公开(公告)号:CN103823981A
公开(公告)日:2014-05-28
申请号:CN201410071457.1
申请日:2014-02-28
Applicant: 武汉大学
Abstract: 本发明提供一种数字高程模型辅助的卫星影像区域网平差方法。其结合已有的DEM(数字高程模型)数据,在卫星影像以RFM模型(有理函数模型)进行区域网平差时提供高程控制,大大减少了的卫星影像在平差时对稠密分布的地面控制点的依赖。本方法在对弱交会的高分辨率下视(全色和多光谱)卫星影像进行平差时,与传统的非高程控制平差方法相比,其结果精度提升尤为明显。本发明仅使用少量的物方平面高程控制点就可以使一个较大的区域网中的卫星影像获得极高的接边精度和较为均匀的绝对精度。这种方法非常适用于难以大量获取高精度物方控制点的卫星影像用户。
-
-