-
公开(公告)号：CN112990041B
公开(公告)日：2022-10-18
申请号：CN202110319351.9
申请日：2021-03-25
Applicant: 武汉大学
Abstract: 本发明提供一种基于改进型U‑net的遥感影像建筑物提取方法，包括利用训练样本影像集和标签集，进行改进型U‑net网络训练，获得训练好的改进型U‑net网络；所述改进型U‑net网络，是在U‑net深度神经网络基础上，引入残差模块、中间过渡桥接模块以及Inception式最大池化模块；利用训练好的改进型U‑net网络对经处理后多光谱遥感影像进行建筑物提取，获得建筑物提取概率结果图；根据预设的阈值，在得到建筑物提取结果概率图后，设置灰度阈值T，进行建筑物提取结果二值化，获取建筑物提取结果。本发明利用遥感影像中建筑物的空间特性及光谱特性，提供用于建筑物提取的改进型U‑net网络结构，该网络具有较好的建筑物提取能力，在遥感影像中进行建筑物提取精度高，效果好。
-
公开(公告)号：CN113205016A
公开(公告)日：2021-08-03
申请号：CN202110429084.0
申请日：2021-04-21
Applicant: 武汉大学
Abstract: 为了解决遥感技术领域中河湖岸线变化检测难度较大、精度不高的问题，本发明公开了一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法，该方法利用了遥感影像中建筑物及水体的空间特性及光谱特性，并利用了深度神经网络较强的目标识别能力，设计了适用于河湖岸线建筑物提取的深度神经网络恒等残差型Unet的网络结构，并将恒等残差型Unet与遥感水体指数NDWI进行联合，对由于开发利用和水位变化引起的河湖岸线变化进行了检测，该方法河湖岸线变化检测精度高，效果好。
-
公开(公告)号：CN111178230B
公开(公告)日：2022-03-15
申请号：CN201911366656.4
申请日：2019-12-26
Applicant: 武汉大学
Abstract: 为了解决遥感技术领域中内河洲滩提取难度较大、智能化程度不高的问题，本发明公开了一种遥感影像内河洲滩智能化提取方法，该方法利用多光谱遥感影像中内河洲滩与水体的空间特性及光谱特性，将遥感水体指数与神经网络进行联合，设计了适用于洲滩提取的贝叶斯正则化反馈神经网络结构，与标准反馈神经网络相比，该网络具有更好的泛化和识别能力，从而具有较好的内河洲滩提取精度。
-
公开(公告)号：CN111986099A
公开(公告)日：2020-11-24
申请号：CN202010620615.X
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种基于融合残差修正的卷积神经网络的耕地监测方法及系统，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后进行影像裁剪；提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本；构建融合残差修正的卷积神经网络，包括基于Unet网络加入空洞卷积操作，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；对融合残差修正的卷积神经网络进行训练；针对待提取的高分辨率遥感影像，通过训练结果进行耕地提取；包括根据相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。
-
公开(公告)号：CN111797920A
公开(公告)日：2020-10-20
申请号：CN202010619048.6
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种门控特征融合的深度网络不透水面遥感提取方法及系统，包括获取目标区域的高分辨率遥感影像，统计训练影像各个波段均值和标准差，进行归一化和分块，构建训练样本影像；构建基于门控特征融合的卷积神经网络，提取训练影像特征，卷积神经网络由残差网络、门控特征融合模块和解码模块构成，门控特征融合模块将低层特征的空间细节信息与高层特征的语义信息通过门控机制进行融合；设不同标签分别代表不透水面、非不透水面和水体，通过交叉熵损失函数进行更新训练；利用训练结果，使用基于门控特征融合的卷积神经网络实现不透水面提取。本发明能够对遥感影像中不透水面进行精确地自动化提取，满足城市内涝分析等应用需求。
-
Patent Agency Ranking
公开(公告)号：CN111178230A
公开(公告)日：2020-05-19
申请号：CN201911366656.4
申请日：2019-12-26
Applicant: 武汉大学
Abstract: 为了解决遥感技术领域中内河洲滩提取难度较大、智能化程度不高的问题，本发明公开了一种遥感影像内河洲滩智能化提取方法，该方法利用多光谱遥感影像中内河洲滩与水体的空间特性及光谱特性，将遥感水体指数与神经网络进行联合，设计了适用于洲滩提取的贝叶斯正则化反馈神经网络结构，与标准反馈神经网络相比，该网络具有更好的泛化和识别能力，从而具有较好的内河洲滩提取精度。
-
公开(公告)号：CN118366065A
公开(公告)日：2024-07-19
申请号：CN202410509317.1
申请日：2024-04-26
Applicant: 武汉大学
Abstract: 本发明提供一种基于高度信息的无人机影像车辆检测方法及系统，包括：根据同类车辆图像数据，确定不同类别车辆对应候选区域的边界框分布概率以及给定高度下车辆密度；利用无人机先验信息和尺度映射函数确定候选区域尺度分布，根据飞行高度动态调整候选区域大小和分布密度，确定区域建议网络范围，由密度阈值筛选区域建议网络中的候选区域；基于特征金字塔网络生成多层细化特征，在每层细化特征中加入上下文信息，采用序列式特征细化策略，结合当前层特征和无人机先验信息，得到目标车辆定位表征结果。本发明通过构建物体检测的比例模型、尺度自适应目标建议模块以及动态特征细化模块，显著提升了目标检测的准确性和效率。
-
公开(公告)号：CN116594422A
公开(公告)日：2023-08-15
申请号：CN202310492173.9
申请日：2023-05-04
Applicant: 武汉大学
IPC: G05D1/10
Abstract: 本发明提供了一种基于多源遥感数据的无人机最优降落点确定方法及设备，包括：对无人机采集的图像信息进行预处理和特征提取，结合各项传感器数据判断所处的地理环境；对无人机采集到的路径图像进行分析，通过俯视视角选择宽敞平坦且上方无遮挡的区域，记录各备选降落点的环境参数；对每一类环境参数都会规定相应的阈值，采集数据高于阈值则该点作为备选降落点；对沿途备选降落点的环境参数进行处理；将规范数据环境参数代入该地理环境下已确定的最优参数模型，得到该点关于降落可行性的打分，定义该点作为降落点的可靠度；得到该条路径上的最优降落点。本发明通过智能车底盘和无人机同时多角度收集数据，便于后期更优化的调整和工作。
-
公开(公告)号：CN113205016B
公开(公告)日：2022-05-17
申请号：CN202110429084.0
申请日：2021-04-21
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/28 , G06V10/40 , G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/40
Abstract: 为了解决遥感技术领域中河湖岸线变化检测难度较大、精度不高的问题，本发明公开了一种基于恒等残差型Unet与遥感水体指数的河湖岸线变化检测方法，该方法利用了遥感影像中建筑物及水体的空间特性及光谱特性，并利用了深度神经网络较强的目标识别能力，设计了适用于河湖岸线建筑物提取的深度神经网络恒等残差型Unet的网络结构，并将恒等残差型Unet与遥感水体指数NDWI进行联合，对由于开发利用和水位变化引起的河湖岸线变化进行了检测，该方法河湖岸线变化检测精度高，效果好。
-
公开(公告)号：CN111986099B
公开(公告)日：2022-05-13
申请号：CN202010620615.X
申请日：2020-06-30
Applicant: 武汉大学
Abstract: 一种基于融合残差修正的卷积神经网络的耕地监测方法及系统，包括采集相同区域内不同时相高分辨率遥感影像，进行配准预处理，然后进行影像裁剪；提取相应的耕地区域矢量标注真值，得到影像区域内的耕地样本和背景样本；构建融合残差修正的卷积神经网络，包括基于Unet网络加入空洞卷积操作，扩大感受野提取全局特征，然后融合残差修正模型对耕地提取结果进行修正，取残差修正后的结果作为耕地提取结果；对融合残差修正的卷积神经网络进行训练；针对待提取的高分辨率遥感影像，通过训练结果进行耕地提取；包括根据相同区域不同时相的遥感影像中耕地提取结果，对耕地提取结果相应栅格图像进行差值运算和形态学滤波后处理，得到耕地区域变化检测结果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.021 seconds)
