-
公开(公告)号：CN119888172A
公开(公告)日：2025-04-25
申请号：CN202411926188.2
申请日：2024-12-25
Applicant: 武汉大学
IPC: G06V10/25 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/77 , G06V10/143 , G06N3/045 , G06N3/0464
Abstract: 本申请涉及遥感图像处理技术领域，特别涉及一种多模态遥感图像的目标检测方法及装置，其中，方法包括：基于检测目标的第一模态遥感图像和第二模态遥感图像，获取对应的多尺度提取特征；基于多尺度提取特征分别获取两个模态遥感图像的尺度提取特征；将第一尺度提取特征和第二尺度提取特征分别输入至预先构建的Mamba交互模块中，以获取两个模态遥感图像的高维交互特征；将多尺度提取特征和高维交互特征分别输入至预先构建的偏移引导融合模块中，以得到两个模态遥感图像之间的多维度融合特征，进而生成最终的目标检测结果。由此，解决了相关技术中，由于物体位置和特征之间存在差异，导致检测模型的精度不好和整体性能较差等问题。
-
公开(公告)号：CN119810656A
公开(公告)日：2025-04-11
申请号：CN202411875848.9
申请日：2024-12-19
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/58 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种基于动态标记增强mamba的高光谱图像跨场景分类方法，包括如下步骤：将获取的目标域图像输入训练后的分类模型，输出目标域图像的预测类别；其中，分类模型的训练包括：步骤1：将源域图像样本按顺序在空间维度上展开为块状序列数据，并通过块嵌入层添加位置编码和光谱维度投影；步骤2：对投影后得到的数据的特征进行动态标记增强；步骤3：对动态标记增强后的特征进行提取；步骤4：重复N次步骤2和步骤3；步骤5：通过分类器头对最终提取的特征进行分类，获得各特征对应样本的预测概率，并计算分类补偿损失，利用分类补偿损失作为反馈信号来调整分类器参数；本发明有着泛化能力好、分类精度高、效率高的优点。
-
公开(公告)号：CN118781161B
公开(公告)日：2025-02-07
申请号：CN202411271667.5
申请日：2024-09-11
Applicant: 武汉大学
IPC: G06T7/30 , G06T3/4007
Abstract: 本发明提出了一种光学遥感影像全局和局部一体化变分辐射配准方法及系统，包括：对输入的由多幅影像组成的影像集，基于每幅影像的地理信息生成影像集的最小外接矩形并进行网格划分获取有效影像块及具有重叠关系的重叠影像块对及其辐射信息;基于配准后的重叠影像块对的辐射差异关系、配准前后影像块的辐射差异关系，并基于变分理论与范数正则化理论，构建顾及全局‑局部一体化变分辐射配准模型并进行迭代求解，获取每个影像块配准系数；对影像块配准系数进行加权线性插值，求解每个像素点的辐射配准系数，对每个像素点进行线性配准。本发明对影像集的全局和局部辐射差异进行校正与消除，并可有效保留影像梯度和空间纹理信息。
-
公开(公告)号：CN118967509B
公开(公告)日：2024-12-24
申请号：CN202411449688.1
申请日：2024-10-17
Applicant: 武汉大学
Abstract: 本发明公开了一种考虑潜在低秩特征的薄云厚度图优化方法，属于遥感影像处理技术领域，基于遥感影像获得多个波段的反射率数据并估计出初始薄云图，采用优化的薄云图潜在低秩表示模型对所述初始薄云图进行特征加权处理，获得低秩优化云图，根据多个波段的反射率数据，计算得到建筑区索引图和水体索引图；并根据建筑区索引图和水体索引图，计算得到非水体建筑区分布索引图，生成自适应调整建筑区分布指数权重的权重抑制矩阵并对低秩优化云图进行处理，获得降低高亮建筑区的云图，再对其云图进行优化，获得最终优化薄云图，使薄云图中的块状边缘的接缝平滑以及增强薄云的边缘和梯度信息。为遥感影像的薄云厚度估计与校正提供精确而鲁棒的技术支撑。
-
公开(公告)号：CN118967509A
公开(公告)日：2024-11-15
申请号：CN202411449688.1
申请日：2024-10-17
Applicant: 武汉大学
Abstract: 本发明公开了一种考虑潜在低秩特征的薄云厚度图优化方法，属于遥感影像处理技术领域，基于遥感影像获得多个波段的反射率数据并估计出初始薄云图，采用优化的薄云图潜在低秩表示模型对所述初始薄云图进行特征加权处理，获得低秩优化云图，根据多个波段的反射率数据，计算得到建筑区索引图和水体索引图；并根据建筑区索引图和水体索引图，计算得到非水体建筑区分布索引图，生成自适应调整建筑区分布指数权重的权重抑制矩阵并对低秩优化云图进行处理，获得降低高亮建筑区的云图，再对其云图进行优化，获得最终优化薄云图，使薄云图中的块状边缘的接缝平滑以及增强薄云的边缘和梯度信息。为遥感影像的薄云厚度估计与校正提供精确而鲁棒的技术支撑。
-
Patent Agency Ranking
公开(公告)号：CN118781161A
公开(公告)日：2024-10-15
申请号：CN202411271667.5
申请日：2024-09-11
Applicant: 武汉大学
IPC: G06T7/30 , G06T3/4007
Abstract: 本发明提出了一种光学遥感影像全局和局部一体化变分辐射配准方法及系统，包括：对输入的由多幅影像组成的影像集，基于每幅影像的地理信息生成影像集的最小外接矩形并进行网格划分获取有效影像块及具有重叠关系的重叠影像块对及其辐射信息;基于配准后的重叠影像块对的辐射差异关系、配准前后影像块的辐射差异关系，并基于变分理论与范数正则化理论，构建顾及全局‑局部一体化变分辐射配准模型并进行迭代求解，获取每个影像块配准系数；对影像块配准系数进行加权线性插值，求解每个像素点的辐射配准系数，对每个像素点进行线性配准。本发明对影像集的全局和局部辐射差异进行校正与消除，并可有效保留影像梯度和空间纹理信息。
-
公开(公告)号：CN115861053A
公开(公告)日：2023-03-28
申请号：CN202211427912.8
申请日：2022-11-15
Applicant: 武汉大学
Abstract: 本发明公开了一种基于最短矩阵路径的动态规划最优拼接线检测方法，包括步骤：根据相邻高空间分辨率遥感影像的地理坐标信息，获取相邻影像的重叠关系和重叠区范围，确定最优拼接线的起始像素坐标和终止像素坐标；从强度差异、梯度差异和几何结构差异三个角度联合建立描述内接矩阵中像素差异大小的代价函数，构建重叠区内接像素代价矩阵；利用动态规划方法依次求解内接矩阵内每个像素到起始像素的最小平均路径代价，构建重叠区内接最小平均路径代价矩阵；逆推终止像素到起始像素的“最短路径”，即为相邻影像间的最优拼接线。本发明能快速检测出相邻高空间分辨率遥感影像间的最优拼接线，有效地避开影像重叠区内像素差异大的建筑物等其他区域。
-
公开(公告)号：CN112990066A
公开(公告)日：2021-06-18
申请号：CN202110345854.3
申请日：2021-03-31
Applicant: 武汉大学
Abstract: 本发明提供一种基于多策略增强的遥感影像固体废弃物识别方法及系统，包括根据输入的原始遥感影像以及预设的重叠率，对原始遥感影像进行裁切，保存各个裁切所得遥感影像块的左上角点在整幅遥感影像中的坐标位置信息；将遥感影像块放入针对遥感影像固体废弃物识别的深度学习目标检测网络当中进行识别，识别出固体废弃物的边框，所述针对遥感影像固体废弃物识别的深度学习目标检测网络采用位置信息引导的多策略增强关键点目标识别网络；对检测出来的边框，进行筛选处理，得到最终的识别边框结果，在原始遥感影像中进行显示。本发明提出的方案可以有效地应用于高分辨率遥感影像当中，从而可以快速的检测遥感影像中的固体废弃物。
-
公开(公告)号：CN111339825A
公开(公告)日：2020-06-26
申请号：CN202010013802.1
申请日：2020-01-07
Applicant: 武汉大学
Abstract: 本发明公开了一种基于特征关系图谱学习的模型训练方法及数据分类方法，对于高维数据中的像素，利用向量记录像素在各个波段上的光谱特征，然后计算向量各元素两两之间的关系值，得到二维特征关系矩阵，之后对该矩阵做分段处理，生成具有多通道的纹理图片。利用卷积神经网络对纹理图片进行特征学习，从中提取隐含在纹理图片中的深层特征。将学习到的特征输入到分类器进行分类，得到当前像素的预测类别，根据所有像素的预测类别实现分类。本发明对特征的描述从一维转换成二维，为每个待分类像素构建图谱，以实现不同类别的区分，使利用原始特征的分类转换成利用二维纹理图片的分类，通过卷积神经网络有效提升分类精度，保证了分类的稳定性和通用性。
-
公开(公告)号：CN110287455A
公开(公告)日：2019-09-27
申请号：CN201910451339.6
申请日：2019-05-28
Applicant: 武汉大学
Abstract: 本发明公开一种结合遥感数据与社会感知数据的PM2.5深度学习反演方法，包括：对地面站点PM2.5数据、遥感数据、社会感知数据及辅助数据进行预处理；使用地学空间统计及分析方法、遥感信息处理手段对多源数据进行特征变量提取与计算；采用格网化方式对多源数据进行时空匹配，有地面站点真值的格网将作为训练样本，生成时空统一的多源数据集；将有站点PM2.5真值的格网数据集归一化后输入到深度学习模型中进行训练，验证通过后通过该模型对未知格网PM2.5浓度进行反演；对反演结果进行精细PM2.5时空分布制图。本发明使用深度学习技术可有效挖掘多源信息，弥补了传统统计模型在非线性问题中的不足，得到较高的反演精度和较为精细的时空PM2.5分布。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.022 seconds)
