-
公开(公告)号：CN117557467A
公开(公告)日：2024-02-13
申请号：CN202311465934.8
申请日：2023-11-03
Applicant: 武汉大学
IPC: G06T5/70 , G06T3/4053 , G06T3/4046 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/082
Abstract: 本发明提出了一种基于CNN‑Transformer的光子计数图像高效联合去噪超分方法和系统。首先利用变分推断将光子计数图像去噪超分问题进行建模，得到待求解的逆问题，并将该逆问题作为网络的优化对象。通过设计TCB模块，结合卷积神经网络在邻域内的局部建模能力以及Transformer的全局建模能力，通过设计一个由卷积层组成的前馈网络以及增加残差连接块的Transformer旁支结构提升模块的全局与局部建模能力。通过引入噪声估计子网络，提升网络去噪能力，并利用TCB模块构建编码器解码器架构的图像联合去噪及超分辨率网络。最后设计适用于网络的损失函数，指导网络训练，最终得到图像联合去噪及超分辨率模型，进行图像去噪超分辨率。大量的仿真和实际实验结果证明了本发明的有效性和实用性。
-
公开(公告)号：CN105176344B
公开(公告)日：2017-12-05
申请号：CN201510478378.7
申请日：2015-08-06
Applicant: 镇江恒兴源节能科技有限公司 , 武汉大学
IPC: C09D175/04 , C09D7/12 , C09D5/25
Abstract: 本发明公开了一种水性聚氨酯绝缘涂料，其组成为：聚氨酯甲组分、聚氨酯乙组分、颜填料、表面改性剂、去离子水；聚氨酯甲组分为短链醚类或醇类封端异氰酸酯，聚氨酯乙组分为水性柔性聚酯类树脂，表面改性剂为硅烷偶联剂，颜填料为层状结构的硅土。本发明还公开了一种水性聚氨酯绝缘涂料的制备方法。所制备的水性聚氨酯绝缘涂料，附着力强、稳定性好、在具体的应用中也体现了优异的耐击穿电压性能。
-
公开(公告)号：CN105176344A
公开(公告)日：2015-12-23
申请号：CN201510478378.7
申请日：2015-08-06
Applicant: 镇江恒兴源节能科技有限公司 , 武汉大学
IPC: C09D175/04 , C09D7/12 , C09D5/25
Abstract: 本发明公开了一种水性聚氨酯绝缘涂料，其组成为：聚氨酯甲组分、聚氨酯乙组分、颜填料、表面改性剂、去离子水；聚氨酯甲组分为短链醚类或醇类封端异氰酸酯，聚氨酯乙组分为水性柔性聚酯类树脂，表面改性剂为硅烷偶联剂，颜填料为层状结构的硅土。本发明还公开了一种水性聚氨酯绝缘涂料的制备方法。所制备的水性聚氨酯绝缘涂料，附着力强、稳定性好、在具体的应用中也体现了优异的耐击穿电压性能。
-
公开(公告)号：CN118967511A
公开(公告)日：2024-11-15
申请号：CN202411030816.9
申请日：2024-07-30
Applicant: 武汉大学
IPC: G06T5/73 , G06T5/50 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于核引导的遥感图像全色锐化方法和系统，以解决单个固定模糊核训练的单一深度学习全色锐化模型在遇到不匹配的退化时可能会出现失真的泛化问题。该方法设计了一个具有强解释性的融合子网络，通过可学习注入矩阵将全色图像的细节注入到多光谱图像中。核估计子网络生成的先验退化信息可以表示多光谱图像的模糊程度，被用于更新可学习注入矩阵，以控制细节的注入，适应不同类型的退化。此外，通道Transformer在融合子网络中作为残差连接，有助于保留深度网络中的重要特征。通过核估计和融合子网络的结合，网络对各种未知退化的适应能力得到了增强，因此所提出的方法在复杂的退化情况下具有很大的优势。
-
公开(公告)号：CN112287807B
公开(公告)日：2022-06-07
申请号：CN202011162338.9
申请日：2020-10-27
Applicant: 武汉大学
Abstract: 本发明公开了一种利用卷积神经网络提取遥感影像上完整道路信息的方法。构造了构建一个多分支的金字塔神经网络，通过两个并行的特征恢复结构以及基于几何结构分析和特征点提取的后处理技术，充分挖掘低层位置信息和高层语义信息，解决卫星影像上道路提取时面临的道路稀疏性问题和被植被建筑物等遮挡造成的道路断裂问题。本方法通过稀疏性检验和设计新的损失函数，综合考虑了道路分布的稀疏性和样本的不均衡性，使网络更关注稀疏的、难分类的道路像素。同时，针对道路被植被和建筑物遮挡的情况，本方法基于几何特征点分析进行自动化的断裂检测和断裂连接，提高了道路提取的精确率，在计算机视觉和遥感道路提取等场景中具有重要的实际应用价值。
-
Patent Agency Ranking
公开(公告)号：CN105315876B
公开(公告)日：2017-12-05
申请号：CN201510479095.4
申请日：2015-08-06
Applicant: 镇江恒兴源节能科技有限公司 , 武汉大学
IPC: C09D175/06 , C09D5/25 , C09D7/12
Abstract: 本发明公开了一种水性绝缘聚氨酯涂料在漆包线上的应用，经过本发明的工序，实现了在传统设备上生产高性能的水性绝缘涂料漆包线，实现了大规模的工业化生产。所得水性绝缘涂料漆包线产品性能优异，耐击穿电压2500V以上。
-
公开(公告)号：CN118918427A
公开(公告)日：2024-11-08
申请号：CN202411152351.4
申请日：2024-08-21
Applicant: 武汉大学
IPC: G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种SAR与多光谱图像融合去云方法和系统。通过设计一种两阶段转换‑融合去云网络，该网络可分为图像转换和图像融合阶段两个部分，构成一个双U型端到端神经网络，两个子网络为图像转换子网络和图像融合子网络，结构对称并且复用一个解码器结构，在两阶段中间过渡部分，借助云掩膜权重图实现云掩膜权重图、有云MSI以及模拟无云MSI的三源图像融合，生成高质量的预测去云MSI结果。通过设计新的损失函数，指导网络训练，并基于SEN12MS‑CR数据集筛选出数据进行训练，最终得到SAR与多光谱图像融合去云模型。测试的输出图像结果表明，即使在完全没有地表数据的厚云情况下，两阶段转换‑融合去云网络也能重建可靠的地表信息，证明了本发明的有效性和实用性。
-
公开(公告)号：CN105315876A
公开(公告)日：2016-02-10
申请号：CN201510479095.4
申请日：2015-08-06
Applicant: 镇江恒兴源节能科技有限公司 , 武汉大学
IPC: C09D175/06 , C09D5/25 , C09D7/12
Abstract: 本发明公开了一种水性绝缘聚氨酯涂料在漆包线上的应用，经过本发明的工序，实现了在传统设备上生产高性能的水性绝缘涂料漆包线，实现了大规模的工业化生产。所得水性绝缘涂料漆包线产品性能优异，耐击穿电压2500V以上。
-
公开(公告)号：CN118397413A
公开(公告)日：2024-07-26
申请号：CN202410533063.7
申请日：2024-04-30
Applicant: 武汉大学
IPC: G06V10/80 , G06V10/30 , G06V10/44 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于变分推断的盲多光谱与全色图像融合方法与系统。利用变分推断对多光谱与全色图像融合问题进行建模，得到待求解的逆问题。并将该逆问题作为网络的优化对象，设计基于卷积神经网络与退化参数估计的多光谱图像与全色图像融合网络VBPN，所述图像融合网络由四个子网络组成，分别包含多光谱图像模糊核估计子网络、多光谱图像噪声参数估计子网络、全色图像噪声参数估计子网络以及特征整合与图像融合子网络。最后设计适用于融合网络的损失函数，指导网络训练，并在基于Wald协议的GaoFen‑2仿真数据集上进行训练，最终得到多光谱与全色图像融合模型，进行图像融合。大量的仿真和实际实验结果证明了本发明的有效性和实用性。
-
公开(公告)号：CN112287807A
公开(公告)日：2021-01-29
申请号：CN202011162338.9
申请日：2020-10-27
Applicant: 武汉大学
Abstract: 本发明公开了一种利用卷积神经网络提取遥感影像上完整道路信息的方法。构造了构建一个多分支的金字塔神经网络，通过两个并行的特征恢复结构以及基于几何结构分析和特征点提取的后处理技术，充分挖掘低层位置信息和高层语义信息，解决卫星影像上道路提取时面临的道路稀疏性问题和被植被建筑物等遮挡造成的道路断裂问题。本方法通过稀疏性检验和设计新的损失函数，综合考虑了道路分布的稀疏性和样本的不均衡性，使网络更关注稀疏的、难分类的道路像素。同时，针对道路被植被和建筑物遮挡的情况，本方法基于几何特征点分析进行自动化的断裂检测和断裂连接，提高了道路提取的精确率，在计算机视觉和遥感道路提取等场景中具有重要的实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.018 seconds)
