-
公开(公告)号：CN114842047B
公开(公告)日：2024-07-30
申请号：CN202210318973.4
申请日：2022-03-29
Applicant: 武汉大学
Abstract: 本发明涉及一种基于运动先验的孪生网络卫星视频目标跟踪方法。本发明结合卫星视频目标运动特点的运动掩膜，并将其与光流引导的注意力机制结合，通过将目标深浅层特征融合，得到同时兼顾准确性和实时性的遥感目标跟踪器。本发明结合卫星视频目标在短时间内呈现直线匀速运动的特点，提出一种运动掩膜取代常用的汉宁窗，对目标的位置估计提供方向约束和速度约束。同时，为了进一步挖掘目标运动的时序信息，本发明将帧与帧之间的光流变化作为注意力加入网络，增加目标和背景的可分性，提升网络对运动目标的捕捉能力。此外，考虑卫星视频中目标尺寸特点，本发明采用深浅层特征融合的方式，一定程度上可以解决遥感目标尺寸较小的不足。
-
公开(公告)号：CN116879184A
公开(公告)日：2023-10-13
申请号：CN202310667493.3
申请日：2023-06-06
Applicant: 武汉大学
Abstract: 本发明提供了一种基于高光谱图像的果蔬农药残留检测方法及系统，属于食品安全检测技术领域。首先，采用光谱仪采集加入不同类型和不同浓度农药的果蔬样本，构建果蔬过完备端元光谱库。其次，构建空‑谱协同的高光谱果蔬图像混合像元稀疏分解模型，并引入交替方向乘子法实现高光谱果蔬图像混合像元稀疏分解模型的快速求解。最后，基于求解出的丰度影像分析待检测果蔬中残留农药的化学成分及含量，快速评估果蔬的安全等级。本发明采用图谱合一的高光谱技术与混合像元稀疏分解理论实现果蔬农药残留检测，具有自动化、无损坏、无污染、快速高效等优点。
-
公开(公告)号：CN116840163A
公开(公告)日：2023-10-03
申请号：CN202310672426.0
申请日：2023-06-07
Applicant: 武汉大学
IPC: G01N21/25 , G06T7/00 , G06V20/68 , G06V10/30 , G06V10/25 , G06V10/77 , G06V10/58 , G06V10/54 , G06V10/764 , G06V10/766 , G06V10/82 , G06V10/80 , G06N3/0464 , G01N21/01
Abstract: 本发明公开了一种基于果品品质检测模型的果品品质检测方法及系统，首先获取待检测的原始果品高光谱图像R，并进行预处理；然后将预处理后的高光谱图像R2输入果品品质检测模型，获取果品表面缺陷结果以及内部品质指标数值；本发明与现有技术相比在低成本、高效率的情况下，能够实现果品内部和外部品质的同时检测，得到果品品质等级结果。
-
公开(公告)号：CN115131238A
公开(公告)日：2022-09-30
申请号：CN202210735527.3
申请日：2022-06-27
Applicant: 武汉大学
Abstract: 本发明提供了一种单幅图像深度展开循环去雾方法，多任务框架利用深度预测任务辅助求解去雾线索，利用循环解码器来综合不同特征之间的相关性，迭代求解去雾图像。本发明将深度召开循环去雾方法应用到自然含雾图像，真实图像实验表明，较于相较于目前的图像去雾网络，本发明在抑制过去雾和欠去雾问题方面效果更优，可以大大提高含雾图像的图像质量。
-
公开(公告)号：CN114519823A
公开(公告)日：2022-05-20
申请号：CN202111498150.6
申请日：2021-12-09
Applicant: 国能生物发电集团有限公司 , 武汉大学
IPC: G06V20/13 , G06V10/774 , G06V10/764 , G06K9/62
Abstract: 本发明涉及一种利用Sentinel‑2时间序列影像数据的农作物制图方法。首先对研究区内的影像进行波段选取、云掩膜的预处理，接着按照玉米生长的物候学规律生成按玉米生长阶段合成的影像数据集，并计算归一化植被指数和归一化水分指数将其加入影像的波段中，然后创建研究区的样本点，与对应位置的影像数据集构成样本对，并使用随机森林算法对分类模型进行训练，最后利用训练好的分类模型得到研究区域玉米的分布图，并逐像元汇总统计得到研究区域玉米种植面积。本发明利用GoogleEarthEngine云平台实现了大数据量的存储与计算，设计分生长阶段进行中值合成的方法最大限度地减少了云污染带来的影响，最终实现快速对玉米的精细化制图与面积监测。
-
Patent Agency Ranking
公开(公告)号：CN111666815A
公开(公告)日：2020-09-15
申请号：CN202010371772.1
申请日：2020-05-06
Applicant: 武汉大学
Abstract: 本发明涉及一种基于Sentinel-2遥感影像的大蒜种植信息自动化提取方法，该方法包括获取研究区大蒜生长周期内所有可用Sentinel-2影像数据；对数据进行大气校正、重采样和裁剪拼接等预处理；生成覆盖整个生长周期的NDVI时间序列和仅覆盖越冬后到成熟收获这段时期的GCVI时间序列；利用大蒜和冬小麦光谱曲线之间的差异结合GCVI植被指数构建改进的GCVI指数；通过分析NDVI时间序列事先生成冬季作物掩膜，然后对改进GCVI时间序列进行积分操作可获得冬小麦提取结果，结合冬季作物掩膜便可获得最终的大蒜提取结果。本发明从大蒜的物候特征入手设计提取算法，可以实现不依赖于训练样本的大蒜种植信息自动化提取，并且具有良好的可迁移性。
-
公开(公告)号：CN110728658A
公开(公告)日：2020-01-24
申请号：CN201910870991.1
申请日：2019-09-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的高分辨率遥感影像弱目标检测方法，对于分辨率低、目标尺寸小、质量模糊的遥感影像，首先采用基于WGAN的超分重建方法对影像进行分辨率提升，将质量增强后的影像输入到目标探测框架中，利用残差网络对影像进行深层特征提取，然后将提取到的低层特征与高层特征进行融合，保证融合后的多层特征图既具有丰富的细节信息又包含高层语义信息，利用融合后的多层特征，区域建议网络在特征图上进行感兴趣区域粗提取，并利用感兴趣区域对齐方法将所提取区域映射到相同维度，进行后续的目标精确分类与位置精修，得到最终的目标探测结果。该方法有效改善了遥感影像分辨率低、背景复杂情况下的弱小目标探测精度与召回率。
-
公开(公告)号：CN110708524A
公开(公告)日：2020-01-17
申请号：CN201910336082.X
申请日：2019-04-24
Applicant: 广州星博科仪有限公司 , 公安部物证鉴定中心 , 武汉大学
Abstract: 本发明公开了一种目标投影指示装置，包括摄像仪模块、图像信息处理分析模块以及投影仪模块；其中，所述摄像仪模块用于摄取目标所在区域的图像；所述图像信息处理分析模块用于分析处理摄像仪模块所摄取到的图像信息，以提取出目标的位置，生成一幅带有目标位置指示标识的图像，并将此带有目标位置指示标识的图像通过投影仪模块投射到目标所在的区域，以实现目标所在位置的指示，为办案人员提供便利。
-
公开(公告)号：CN103593853A
公开(公告)日：2014-02-19
申请号：CN201310628634.7
申请日：2013-11-29
Applicant: 武汉大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于联合稀疏表达的遥感影像多尺度面向对象分类方法，包括步骤：首先，挖掘遥感影像的空间特征，并结合光谱特征构造增广特征；其次，利用训练像素样本和增广特征构造过完备字典，采用过完备字典对初始分割的图斑进行联合稀疏表达；然后，基于联合稀疏表达对图斑进行均质性分析和重建效果分析；最后，根据均质性分析和重建效果分析结果判断图斑分割是否合理，对同时满足均质性水平和重建效果的图斑进行类别标识。本发明将分割和分类过程有机结合以获取合适的地物图斑进行分类，实现了遥感影像对象层面上的分类识别，能获取符合目视判读的分类结果，大大提高了遥感影像的解译精度，具有重大的应用价值。
-
公开(公告)号：CN115131674B
公开(公告)日：2025-04-25
申请号：CN202210729041.9
申请日：2022-06-24
Applicant: 武汉大学
IPC: G06V20/13 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于深度低秩网络的多时相遥感影像云检测方法，利用多时相遥感影像的时空谱低秩的物理特性，以数据驱动的方式学习重建晴空无云背景特征，结合孪生差分、非局部注意力的思想分阶段构建特征提取网络，分别提取融合单景空谱特征与多时相差分特征，智能化实现多时相遥感影像云覆盖检测，并且成功克服现有基于深度学习的多时相云检测算法匮乏且可解释性弱的问题。本发明将深度低秩网络模型应用于多时相Landsat遥感影像云检测中，Landsat‑8遥感影像实验表明，相较于现有遥感影像云检测方法，基于深度低秩网络的多时相遥感影像云检测方法速度更快，精度更高，对于不同场景、不同云覆盖情况具备较强的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
