-
公开(公告)号：CN114842022B
公开(公告)日：2024-09-24
申请号：CN202210250704.9
申请日：2022-03-15
Applicant: 武汉大学
IPC: G06T7/11 , G06T11/00 , G06V10/774 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于级联跨模态网络的遥感影像点云联合分割方法，属于多模态联合的语义分割方法。本发明将提取到的点云特征向量经过坐标系变换、投影及维度压缩转换为与对应区域影像相同大小的特征图，再将对应影像与其串联后提取联合特征，输出最终分割结果。该方法直接利用图像和LiDAR点云数据，而不是后者经处理得到的衍生产品，如数字表面模型DSM等。通过使用不进行额外维度压缩的原始LiDAR数据，本发明的方法充分利用了点云的特性，并保持了3D空间中点之间的拓扑关系。同时，本发明的方法集成了不同模态数据各自的优势，获得了优于单模态方法的性能。
-
公开(公告)号：CN117274472A
公开(公告)日：2023-12-22
申请号：CN202311037877.3
申请日：2023-08-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于隐式三维表达的航空真正射影像生成方法和系统，该方法包括：数据准备，至少包括航空影像，影像位姿与相机参数，正射影像地面分辨率；构建神经网络，利用已知相机内外参数的航空影像数据训练神经网络；渲染正射平行投影影像，即利用构建好的神经网络渲染每条光线对应的颜色，得到正射影像的像素值；根据正射影像的像素值，依据正射影像地面分辨率与坐标范围生成标准分幅的真正射影像。本发明对输入影像数据的重叠率、纹理特征要求低，能完全消除相对遮挡区域、不受显式三维重建精度影响，且能高效地利用高程数据，快速生成无损真正射影像。
-
公开(公告)号：CN112288784B
公开(公告)日：2022-03-04
申请号：CN202011072861.2
申请日：2020-10-09
Applicant: 武汉大学
IPC: G06T7/33
Abstract: 本发明公开了一种弱纹理遥感影像配准方法，分为混合空间生成与特征提取、描述子构建、匹配及融合等三部分。首先，实现双域混合影像空间构建，即采用双边滤波建立空间域尺度空间，通过加权最小二乘滤波融合相位一致性计算建立频率域尺度空间，最后将两个影像空间结果合并成双域混合影像空间，并在该混合空间中采用FAST算法提取特征点。其次，构建邻域自适应的对数极坐标描述子，先构建对数归一化强度指标，用于自适应确立描述子的邻域窗口，通过这些邻域窗口得到不同特征点的极坐标描述子。最后，采用欧氏距离进行最近邻特征点匹配并利用快速样本共识算法剔除误匹配，最终计算出的影像变换矩阵进行融合，完成影像配准。
-
公开(公告)号：CN112288650A
公开(公告)日：2021-01-29
申请号：CN202011168863.1
申请日：2020-10-28
Applicant: 武汉大学
Abstract: 本发明公开了一种多源遥感卫星影像几何语义一体化处理方法和系统，该方法区别于传统的先进行遥感影像几何精校正，然后进行语义分割和信息提取的传统方案，提出了包含语义信息提取、语义信息辅助的自动化几何精校正、语义信息优化三个步骤。首先从标准景影像中初步提取云、水面、冰雪、云影、人工建筑物等对几何精校正具有较大影响的地类信息，然后在这些信息的辅助下排除干扰，实现全自动的遥感影像几何精校正、匀光匀色、无缝镶嵌、影像合成等处理，最后在高精度多源合成影像中，提取更丰富的语义信息和目标信息，得到超大规模多源合成影像及其对应的语义地图及地类专题地图。
-
公开(公告)号：CN111898646A
公开(公告)日：2020-11-06
申请号：CN202010641423.7
申请日：2020-07-06
Applicant: 武汉大学
Abstract: 本发明涉及一种基于点线图优化求解的影像直线特征匹配方法，包括以下步骤：(1)对需要匹配的影像进行预处理，包括特征点线提取，确定待匹配像对以及恢复影像位姿关系；(2)确定所有影像对的候选匹配特征直线与候选匹配特征点；(3)对所有候选点线匹配进行两两几何检验并构建匹配图；(4)根据构建的匹配图计算每一个候选匹配节点的匹配概率；(5)将匹配概率向量通过按极大值剔除策略，得到所有像对的直线匹配结果。本发明提出的跨视图影像直线特征匹配的算法可以充分利用多特征跨视图的几何约束，提高线段匹配的稳健性。
-
Patent Agency Ranking
公开(公告)号：CN103823981B
公开(公告)日：2016-08-17
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。
-
公开(公告)号：CN112288690B
公开(公告)日：2023-08-18
申请号：CN202011094084.1
申请日：2020-10-14
Applicant: 武汉大学
Abstract: 本发明公开了一种融合多尺度多层级特征的卫星影像密集匹配方法，该方法划分为四个组成部分，分别为特征提取、代价体构建、代价聚合和视差回归。网络的特征提取部分利用残差模块构建了多尺度特征提取模块和多层级特征融合模块，前者用于多尺度影像信息挖掘，后者用于融合多层次特征。利用多尺度特征提取模块和多层级特征融合模块，网络将实现对影像信息的有效提取。在给定视差范围的条件下，代价体构建部分将提取的左、右影像特征构造成一个四维的代价聚合体。代价聚合部分利用本发明提出的代价聚合模块对代价聚合体进行三维卷积变换，以实现匹配代价聚合。视差回归部分对聚合后的匹配代价依次进行维度变换、上采样和回归分析，获取最终视差图。
-
公开(公告)号：CN115661817A
公开(公告)日：2023-01-31
申请号：CN202211270240.4
申请日：2022-10-18
Applicant: 武汉大学
IPC: G06V20/70 , G06V10/82 , G06V10/77 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于不均衡知识驱动的多模态遥感数据场景分割方法，属于多模态辅助的遥感影像语义分割方法。本发明直接从异构的LiDAR点云和影像原始数据中提取特征，挖掘跨模态的不均衡信息，从全局和类别两个角度利用强模态(LiDAR点云)对较弱模态(影像)的分割进行精化，最终提升影像分割的精度。该方法巧妙转化多模态数据间的差异，来提升单一模态分割的结果，充分利用了两个模态的信息，减少了模态融合过程中的信息损失。
-
公开(公告)号：CN113378736B
公开(公告)日：2022-08-05
申请号：CN202110678330.6
申请日：2021-06-18
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/26 , G06V10/764 , G06V10/82 , G06N3/08
Abstract: 本发明公开了一种基于变换一致性正则化的遥感影像深度网络半监督语义分割方法和系统，属于图像数据处理方法。本发明提出的基于变换一致性正则化的遥感影像深度网络语义分割框架，在有限的标注样本的情况下，通过利用大量的无标注的样本，对其施加在不同的随机变换扰动下的输出的一致性性约束，充分利用无标注的样本提供的潜在的信息提高深度网络的性能。网络的参数可以通过优化用标注样本计算的监督损失和无标注样本计算的一致性正则化损失的加权和来进行更新。本方法可以在有限的标注样本的情况下，通过利用大量的无标注的样本内含的信息提升网络的性能，适用于实际中标注样本少的场景。
-
公开(公告)号：CN113378736A
公开(公告)日：2021-09-10
申请号：CN202110678330.6
申请日：2021-06-18
Applicant: 武汉大学
Abstract: 本发明公开了一种基于变换一致性正则化的遥感影像深度网络半监督语义分割方法和系统，属于图像数据处理方法。本发明提出的基于变换一致性正则化的遥感影像深度网络语义分割框架，在有限的标注样本的情况下，通过利用大量的无标注的样本，对其施加在不同的随机变换扰动下的输出的一致性性约束，充分利用无标注的样本提供的潜在的信息提高深度网络的性能。网络的参数可以通过优化用标注样本计算的监督损失和无标注样本计算的一致性正则化损失的加权和来进行更新。本方法可以在有限的标注样本的情况下，通过利用大量的无标注的样本内含的信息提升网络的性能，适用于实际中标注样本少的场景。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.026 seconds)
