-
公开(公告)号：CN109671019A
公开(公告)日：2019-04-23
申请号：CN201811534441.4
申请日：2018-12-14
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多目标优化算法和稀疏表达的遥感影像亚像元制图方法。本发明结合多目标优化理论，将亚像元制图问题转化为对数据保真项、稀疏约束项、空间先验项的多目标优化问题，在稀疏约束项上直接使用非凸的L0范数建模，并构建基于亚像元集群块的亚像元空间分布模式字典，实现亚像元级空间先验建模。然后利用多目标优化算法强大的寻优能力来同时优化三个目标项，求解使该模型达到最优的一组解。本发明能够解决现有的稀疏亚像元制图方法中L1范数稀疏性建模不精确问题，以及最优权重参数选取困难问题。本发明可以有效提高亚像元制图的适用性和精度。
-
公开(公告)号：CN111062888B
公开(公告)日：2022-02-15
申请号：CN201911291891.X
申请日：2019-12-16
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多目标低秩稀疏及空谱全变分的高光谱影像去噪方法。本发明结合多目标优化理论，将高光谱影像去噪恢复问题转换成对稀疏的噪声影像项、低秩的干净影像项、数据保真项联合空谱全变分项的多目标优化问题。其中，使用l0范数建模稀疏噪声，核范数建模低秩项。然后利用多目标进化算法强大的寻优能力来同时优化三个目标项，求解使该模型达到最优的一组解。本发明能够解决现有的高光谱影像稀疏去噪方法中l1范数稀疏性建模不精确问题，以及最优正则化参数选取困难问题，此外设计子适应度更新的策略使得算法更有效的进行。本发明可以有效提高高光谱影像去噪的适用性和精度。
-
Patent Agency Ranking
公开(公告)号：CN111126467B
公开(公告)日：2022-02-15
申请号：CN201911291880.1
申请日：2019-12-16
Applicant: 武汉大学
IPC: G06V10/762 , G06K9/62 , G06V20/10 , G06N3/00
Abstract: 本发明涉及一种基于多目标正余弦算法的遥感影像空谱聚类方法。本发明结合多目标优化理论方法，将遥感影像聚类问题转换为类间距离最大化和类内距离最小化的多目标优化问题，同时考虑影像的空间信息建立空间信息项，构建遥感影像聚类多目标优化函数。将聚类中心进行编码同时利用兼备全局及局部搜索能力的正弦余弦算法进行个体及种群的更新，迭代优化后获取一组帕累托最优解集，利用基于角度的选解方法自动获取最终的聚类中心个体，用以后续输出聚类结果。本发明可以解决遥感影像多目标聚类问题，同时考虑多个影响因素获得权衡解，另外提升了遥感影像聚类过程的优化能力，可以获取更佳的聚类结果。本发明可以有效提升遥感影像聚类的适用性和精度。
-
公开(公告)号：CN111062888A
公开(公告)日：2020-04-24
申请号：CN201911291891.X
申请日：2019-12-16
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多目标低秩稀疏及空谱全变分的高光谱影像去噪方法。本发明结合多目标优化理论，将高光谱影像去噪恢复问题转换成对稀疏的噪声影像项、低秩的干净影像项、数据保真项联合空谱全变分项的多目标优化问题。其中，使用l0范数建模稀疏噪声，核范数建模低秩项。然后利用多目标进化算法强大的寻优能力来同时优化三个目标项，求解使该模型达到最优的一组解。本发明能够解决现有的高光谱影像稀疏去噪方法中l1范数稀疏性建模不精确问题，以及最优正则化参数选取困难问题，此外设计子适应度更新的策略使得算法更有效的进行。本发明可以有效提高高光谱影像去噪的适用性和精度。
-
公开(公告)号：CN118366066A
公开(公告)日：2024-07-19
申请号：CN202410515170.7
申请日：2024-04-26
Applicant: 武汉大学
IPC: G06V20/17 , G06V40/10 , G06V10/143 , G06V10/25 , G06V10/44 , G06V10/72 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/049 , G06N3/094
Abstract: 本发明公开一种基于脉冲神经网络的无人机微光‑红外遥感夜间人员检测方法，包括：对微光和红外多模态影像数据集进行红外暗场校正和数据配准等预处理；通过对抗生成神经网络对微光和红外多模态影像数据集进行数据增强；通过图像融合网络对微光和红外多模态遥感影像进行融合；利用DNN‑to‑SNN转化方法将目标检测网络由深度神经网络转化为脉冲神经网络；将转换后的脉冲神经网络对融合影像图进行检测，以实现夜间人员目标检测。本发明提供的检测方法在工程项目应用中可实现夜间救援目标检测高精度和实时处理，有效降低网络参数计算量和能耗以便于深度学习模型在无人机等边缘计算平台的高效适配。
-
公开(公告)号：CN109671019B
公开(公告)日：2022-11-01
申请号：CN201811534441.4
申请日：2018-12-14
Applicant: 武汉大学
IPC: G06T3/40 , G06T7/00 , G06T7/49 , G06V10/77 , G06V10/772 , G06V10/764
Abstract: 本发明涉及一种基于多目标优化算法和稀疏表达的遥感影像亚像元制图方法。本发明结合多目标优化理论，将亚像元制图问题转化为对数据保真项、稀疏约束项、空间先验项的多目标优化问题，在稀疏约束项上直接使用非凸的L0范数建模，并构建基于亚像元集群块的亚像元空间分布模式字典，实现亚像元级空间先验建模。然后利用多目标优化算法强大的寻优能力来同时优化三个目标项，求解使该模型达到最优的一组解。本发明能够解决现有的稀疏亚像元制图方法中L1范数稀疏性建模不精确问题，以及最优权重参数选取困难问题。本发明可以有效提高亚像元制图的适用性和精度。
-
公开(公告)号：CN111126467A
公开(公告)日：2020-05-08
申请号：CN201911291880.1
申请日：2019-12-16
Applicant: 武汉大学
Abstract: 本发明涉及一种基于多目标正余弦算法的遥感影像空谱聚类方法。本发明结合多目标优化理论方法，将遥感影像聚类问题转换为类间距离最大化和类内距离最小化的多目标优化问题，同时考虑影像的空间信息建立空间信息项，构建遥感影像聚类多目标优化函数。将聚类中心进行编码同时利用兼备全局及局部搜索能力的正弦余弦算法进行个体及种群的更新，迭代优化后获取一组帕累托最优解集，利用基于角度的选解方法自动获取最终的聚类中心个体，用以后续输出聚类结果。本发明可以解决遥感影像多目标聚类问题，同时考虑多个影响因素获得权衡解，另外提升了遥感影像聚类过程的优化能力，可以获取更佳的聚类结果。本发明可以有效提升遥感影像聚类的适用性和精度。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
