-
公开(公告)号：CN103020912A
公开(公告)日：2013-04-03
申请号：CN201210551267.0
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种结合波段聚类和稀疏表达的遥感影像复原方法，以提高高光谱遥感影像的空间分辨率为目的，针对高光谱影像光谱维信息丰富以及不同波段噪声强度不同的特点，构建多波段的影像复原模型，利用波段的间高相似性及冗余信息进行相互约束和互补，最终得到高质量的高光谱影像。首先对高光谱影像进行波段聚类，将大量波段分为相关信息差别较大的少量类别；然后采用压缩感知理论对相同类别的一簇波段构建整体的变分训练多波段字典，通过该字典完成影像复原工作。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并保持其光谱特性，复原结果具有更强的空间信息和光谱信息保持性能。
-
公开(公告)号：CN101794437A
公开(公告)日：2010-08-04
申请号：CN201010130302.2
申请日：2010-03-19
Applicant: 武汉大学
IPC: G06T5/20
Abstract: 本发明公开了一种高光谱遥感影像异常探测方法：选择所需进行目标探测的待探测遥感影像；获取探测时需要的先验信息；确定背景窗口的大小，在背景窗口内建立与背景窗口同中心的两个或以上目标窗口，背景窗口和所有目标窗口构成多层嵌套窗口；开始采用多层嵌套窗口进行第一次遍历探测，即多层嵌套窗口的中心依次遍历待探测遥感影像中所有的像元位置，每遍历到一个像元位置时，计算该像元位置上各个目标窗口的异常度，并判断该像元位置分别是否为异常目标；然后采用多层嵌套窗口进行第二次遍历探测，进行第二次遍历探测时，背景窗口中排除第一次遍历探测时判断为异常目标的像元；以第二次遍历探测时判断为异常目标的像元作为异常目标探测结果。
-
公开(公告)号：CN100416599C
公开(公告)日：2008-09-03
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：CN100416598C
公开(公告)日：2008-09-03
申请号：CN200610019507.7
申请日：2006-06-29
Applicant: 武汉大学
IPC: G06K9/46
Abstract: 一种遥感影像人工免疫特征选择方法，其特征在于：(1)打开遥感影像；(2)选择样区并输入参数；(3)编码标记特征组合，产生初始抗体种群；(4)解码并得到样本子集，计算抗体亲和度；(5)从抗体数组中选择若干个抗体产生抗体集合，并记录具有最高亲和度的抗体为最匹配抗体；(6)判断是否满足终止条件，若满足则以最匹配抗体作为算法最优解；(7)若判断为不满足，克隆产生克隆抗体集合；(8)变异取得变异抗体集合；(9)计算变异抗体的亲和度，选出具有最高亲和度的抗体作为候选抗体；(10)如果候选抗体亲和度大于最匹配抗体亲和度，将候选抗体存入抗体数组；(11)返回步骤(5)继续进化抗体种群直到满足特征选择终止条件。
-
公开(公告)号：CN1873658A
公开(公告)日：2006-12-06
申请号：CN200610019507.7
申请日：2006-06-29
Applicant: 武汉大学
IPC: G06K9/46
Abstract: 一种遥感影像人工免疫特征选择方法，其特征在于：(1)打开遥感影像；(2)选择样区并输入参数；(3)编码标记特征组合，产生初始抗体种群；(4)解码并得到样本子集，计算抗体亲和度；(5)从抗体数组中选择若干个抗体产生抗体集合，并记录具有最高亲和度的抗体为最匹配抗体；(6)判断是否满足终止条件，若满足则以最匹配抗体作为算法最优解；(7)若判断为不满足，克隆产生克隆抗体集合；(8)变异取得变异抗体集合；(9)计算变异抗体的亲和度，选出具有最高亲和度的抗体作为候选抗体；(10)如果候选抗体亲和度大于最匹配抗体亲和度，将候选抗体存入抗体数组；(11)返回步骤(5)继续进化抗体种群直到满足特征选择终止条件。
-
Patent Agency Ranking
公开(公告)号：CN1273936C
公开(公告)日：2006-09-06
申请号：CN200410060986.8
申请日：2004-10-21
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明涉及一种推扫式卫星影像CCD相对辐射校正方法，包括以下步骤：一、对推扫式卫星影像CCD条带重叠区进行迭加处理；二、CCD条带拼接处理；三、CCD条带拼接列附近抬升处理；四、消除多条CCD影像成像的非均匀性。本发明可以使一个CCD阵列中多个CCD条带获取的影像无缝的拼接在一起，有效的克服推扫式卫星影像CCD由于成像条件以及CCD本身性能差异等因素造成的一个CCD阵列中多条CCD影像成像的非均匀性，即一个CCD阵列中多个CCD条带影像在色调、亮度以及反差等方面的存在不同程度的差异，使一个CCD阵列中多个CCD条带影像在色调、亮度以及反差等均匀一致，为获取高质量的影像产品。
-
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：CN115131238B
公开(公告)日：2024-11-05
申请号：CN202210735527.3
申请日：2022-06-27
Applicant: 武汉大学
IPC: G06T5/73 , G06T5/60 , G06N3/0455 , G06N3/08
Abstract: 本发明提供了一种单幅图像深度展开循环去雾方法，多任务框架利用深度预测任务辅助求解去雾线索，利用循环解码器来综合不同特征之间的相关性，迭代求解去雾图像。本发明将深度召开循环去雾方法应用到自然含雾图像，真实图像实验表明，较于相较于目前的图像去雾网络，本发明在抑制过去雾和欠去雾问题方面效果更优，可以大大提高含雾图像的图像质量。
-
公开(公告)号：CN115346137A
公开(公告)日：2022-11-15
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：CN114861748A
公开(公告)日：2022-08-05
申请号：CN202210206935.X
申请日：2022-03-04
Applicant: 武汉大学
IPC: G06K9/62
Abstract: 本发明公开了一种混合噪声下的高光谱影像端元深度非负矩阵分解方法，本发明耦合高光谱影像观测模型和端元深度非负矩阵分解模型，建立噪声去除‑光谱分解一体化观测模型，并基于贝叶斯逆问题求解理论，建立一体化处理的理论框架，实现对两种处理任务的共同描述。同时，本发明通过对光谱深度线性混合模型进行反向建模，充分挖掘影像的层次特征信息，增强了模型的实用性和可解释性。另外，模型还通过对丰度矩阵施加L1/2约束与空间全变差约束，顾及到了丰度矩阵的稀疏性与分段平滑性。本发明充分挖掘影像的深层次特征信息和空间信息，为高精度的混合像元分解提供技术支撑，切实提升高光谱影像的应用潜力。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.02 seconds)
