-
公开(公告)号：CN110580713A
公开(公告)日：2019-12-17
申请号：CN201910813189.9
申请日：2019-08-30
Applicant: 武汉大学
Abstract: 本发明提供一种基于全卷积孪生网络和轨迹预测的卫星视频目标跟踪方法，支持对卫星视频数据集中小目标进行跟踪，其特征在于：采用全卷积孪生网络的浅层信息，获得小目标细粒度的表征，并进行相似性度量及跟踪，所述全卷积孪生网络包括两个权值共享的全卷积模块和互相关层，两个全卷积模块的输出连接到互相关层；为了应对小目标在跟踪过程中出现遮挡以及运动模糊的情况，引入Kalman滤波机制对运动轨迹进行自适应预测，最终实现对卫星视频数据集中的目标进行鲁棒且精准的跟踪。
-
-
公开(公告)号：CN105844619A
公开(公告)日：2016-08-10
申请号：CN201610156222.1
申请日：2016-03-18
Applicant: 武汉大学
CPC classification number: G06T7/0002 , G06N3/006 , G06T2207/10036
Abstract: 本发明公开了一种高光谱遥感影像端元提取方法，针对纯净像元假设不一定成立的情况，该方法将线性混合模型与粒子群优化算法相结合，配合高维粒子编码方式，推导出新的有效的粒子进化方程。同时，实验证明该方法针对端元提取问题更加有效。
-
公开(公告)号：CN119888317A
公开(公告)日：2025-04-25
申请号：CN202411926194.8
申请日：2024-12-25
Applicant: 武汉大学
IPC: G06V10/764 , G06V20/10 , G06V10/58 , G06V10/74 , G06V10/774 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本申请涉及遥感图像处理技术领域，特别涉及一种基于小样本分类模型的高光谱遥感图像分类方法及装置，其中，方法包括：将高光谱遥感图像的像素块输入至预先构建的自适应掩膜模块中，以得到对应的掩膜像素块；将掩膜像素块输入至预先构建的布朗距离协方差表示模块中，以得到像素块对应的预测标签；训练自适应掩膜模块和布朗距离协方差表示模块，得到高光谱遥感图像的小样本分类模型，以获取高光谱遥感图像的分类结果。由此，解决了相关技术中，由于地物的复杂性和多样性，使得地物空间覆盖不一致，难以准确提取空间上下文信息，挖掘不同光谱维度之间的非线性相关性，无法有效获取和概括有限先验样本的信息等问题。
-
公开(公告)号：CN118898787A
公开(公告)日：2024-11-05
申请号：CN202410962840.X
申请日：2024-07-18
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种用于对高光谱图像进行异常检测的方法和装置，其中，方法包括：获取目标图像；其中目标图像为需要进行异常检测的高光谱图像；将目标图像输入预设卷积注意力网络，经预设卷积注意力网络输出关于目标图像的异常检测结果；其中，异常检测结果包括从目标图像中分离出的异常目标；其中，预设卷积注意力网络基于预设训练框架以及至少一组训练数据训练得到，至少一组训练数据中的每组训练数据包括一张高光谱样本图像，预设训练框架能够基于每组训练数据中的高光谱样本图像生成对应的异常样本图像和背景样本图像，以及基于异常样本图像生成对应的异常增强样本图像。利用本发明的方法可以不受输入高光谱图像空间尺寸和光谱维度大小的限制。
-
Patent Agency Ranking
公开(公告)号：CN118823582A
公开(公告)日：2024-10-22
申请号：CN202411004636.3
申请日：2024-07-25
Applicant: 武汉大学
IPC: G06V20/10 , G06V20/13 , G06V10/774 , G06V10/764 , G06V10/77
Abstract: 本发明提供一种高光谱图像处理方法、装置、设备和介质，其中，方法包括：响应于获取到待处理的高光谱图像以及对应的标签，利用预设数据集划分规则，基于待处理的高光谱图像以及标签，确定第一数据集和第二数据集；基于预设空间光谱自训练规则，利用第二数据集对第一数据集进行扩充，得到第三数据集；基于待处理的高光谱图像以及第三数据集，利用预设测度约束流形规则，确定测度矩阵；利用测度矩阵，对待处理的高光谱图像进行降维，得到降维后的高光谱图像。利用本发明的方法，可获得更好的高光谱降维数据。
-
公开(公告)号：CN110443273B
公开(公告)日：2022-06-14
申请号：CN201910555572.9
申请日：2019-06-25
Applicant: 武汉大学
IPC: G06K9/62 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种用于自然图像跨类识别的对抗零样本学习方法，包括在旧类的样本空间上求解初始投影学习问题，获得测试样本的初始伪标签；求解投影学习问题，使得学习到的投影能够具有更好的语义保持性质；根据学习到的投影，利用基于余弦距离的最近邻算法预测所有测试样本的伪标签；将伪标签注入投影学习问题，直到收敛；将收敛时的伪标签作为最终预测的标签，支持实现自然图像的分类。本发明通过一种新的对抗方法，有效的缓和了领域漂移问题，实现了跨类识别性能的提升。这种新的对抗方法是投影器和分类器之间的博弈。投影器期望学习一个具有好的语义保持性质的投影，而分类器期望获得高的分类准确率，两者博弈达到纳什均衡结束。
-
公开(公告)号：CN110414560B
公开(公告)日：2022-06-07
申请号：CN201910560704.7
申请日：2019-06-26
Applicant: 武汉大学
IPC: G06V10/762 , G06K9/62
Abstract: 本发明提供一种用于高维图像数据的自主子空间聚类方法，包括获取高维图像数据，基于自主学习正则化项，通过求解样本权重的优化问题来学习样本的权重；通过带权重的自表示模型求自表示系数；利用自表示系数建立样本的相似度图；基于样本的相似度图进行谱聚类；检验收敛条件，若不满足则返回，若满足则流程终止，得到最终的自主子空间聚类结果。该方法将自主学习与子空间聚类进行融合，通过一种新的自主正则化项来对样本进行权重调整，有效的改善了子空间聚类模型的局部最优解，从而提升子空间聚类的性能。
-
公开(公告)号：CN110428446A
公开(公告)日：2019-11-08
申请号：CN201910579480.4
申请日：2019-06-28
Applicant: 武汉大学
IPC: G06T7/246
Abstract: 本发明提供一种基于混合核相关滤波的卫星视频目标跟踪方法，其特征在于：采用核相关滤波过程实现卫星视频目标跟踪，并在核特征空间中引入互补的两种特征，其中一个特征是梯度方向直方图HOG，用于检测目标的轮廓和纹理信息，另一个特征是光流OF，用于检测目标的变化像素；通过自适应融合策略，利用两种特征在不同卫星视频中的优势，实现对卫星视频数据集中小目标进行鲁棒且精准的跟踪，能够实现对卫星视频中运动的飞机、列车以及小车等目标进行实时精准的跟踪。
-
公开(公告)号：CN110414560A
公开(公告)日：2019-11-05
申请号：CN201910560704.7
申请日：2019-06-26
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明提供一种用于高维图像数据的自主子空间聚类方法，包括获取高维图像数据，基于自主学习正则化项，通过求解样本权重的优化问题来学习样本的权重；通过带权重的自表示模型求自表示系数；利用自表示系数建立样本的相似度图；基于样本的相似度图进行谱聚类；检验收敛条件，若不满足则返回，若满足则流程终止，得到最终的自主子空间聚类结果。该方法将自主学习与子空间聚类进行融合，通过一种新的自主正则化项来对样本进行权重调整，有效的改善了子空间聚类模型的局部最优解，从而提升子空间聚类的性能。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.019 seconds)
