-
公开(公告)号：CN115129917B
公开(公告)日：2024-04-09
申请号：CN202210630103.0
申请日：2022-06-06
Applicant: 武汉大学
IPC: G06F16/583 , G06V10/36 , G06V10/44 , G06V10/74 , G06V10/82 , G06V20/13 , G06N3/084 , G06N3/0985 , G06N3/0464
Abstract: 本发明提供一种基于模态共有特征的光学‑SAR遥感图像跨模态检索方法，该方法利用通道随机替换以及引导滤波对光学与SAR遥感图像颜色以及细节纹理等表观差异进行消减，生成新的图像，并利用新生成的图像辅助原图训练。将原始光学图像与新生成的光学图像送入相同网络，原始SAR图像与新生成的SAR图像送入相同网络，利用多向约束损失函数约束四组特征之间的距离关系，使得四组特征两两之间均满足正样本对距离小于负样本对距离，使得网络初步具备提取模态共有特征能力。该方法能够更好地提取光学与SAR遥感图像中结构特征，语义特征等模态共有特征，从而减小模态差异对检索任务造成的影响，实现高精度光学‑SAR遥感图像跨模态检索。
-
公开(公告)号：CN115129920A
公开(公告)日：2022-09-30
申请号：CN202210682992.5
申请日：2022-06-16
Applicant: 武汉大学
Abstract: 本发明提供了一种局部特征增强光学SAR遥感图像跨模态检索方法及设备。所述方法包括：步骤1至步骤10。本发明采用跨模态互注意力机制，增强对齐区域局部特征，同时利用广义平均池化进一步增加对齐区域局部特征在全局特征中所占比重，从而减小图像非对齐问题对光学SAR遥感图像跨模态检索带来的影响。
-
公开(公告)号：CN115129917A
公开(公告)日：2022-09-30
申请号：CN202210630103.0
申请日：2022-06-06
Applicant: 武汉大学
Abstract: 本发明提供一种基于模态共有特征的光学‑SAR遥感图像跨模态检索方法，该方法利用通道随机替换以及引导滤波对光学与SAR遥感图像颜色以及细节纹理等表观差异进行消减，生成新的图像，并利用新生成的图像辅助原图训练。将原始光学图像与新生成的光学图像送入相同网络，原始SAR图像与新生成的SAR图像送入相同网络，利用多向约束损失函数约束四组特征之间的距离关系，使得四组特征两两之间均满足正样本对距离小于负样本对距离，使得网络初步具备提取模态共有特征能力。该方法能够更好地提取光学与SAR遥感图像中结构特征，语义特征等模态共有特征，从而减小模态差异对检索任务造成的影响，实现高精度光学‑SAR遥感图像跨模态检索。
-
公开(公告)号：CN111899269A
公开(公告)日：2020-11-06
申请号：CN202010686373.4
申请日：2020-07-16
Applicant: 武汉大学
Abstract: 本发明公开了一种基于边缘结构信息的无人机图像与SAR卫星图像的匹配方法，该方法首先利用传统的Ratio算子对SAR卫星图像的边缘进行初步的粗提取，再叠加到SAR原图上对SAR图像进行增强，利用卷积神经网络提取无人机光学/红外图像以及增强后的SAR卫星图像的边缘图像，然后再利用新的卷积神经网络提取边缘图像的深层语义特征，然后对边缘图的深度特征进行相似度匹配，获取无人机图像和SAR卫星图像的匹配热力图，最终根据热力图中值最高的区域，找到无人机图像在SAR卫星图像中的位置。本发明采用的基于图像边缘结构的匹配方法，能够利用图像的边缘特性，弥补不同成像机制带来的域差异，有效地对三种异源图像之间进行匹配。
-
公开(公告)号：CN109934871A
公开(公告)日：2019-06-25
申请号：CN201910123394.2
申请日：2019-02-18
Applicant: 武汉大学
Abstract: 本发明提供一种面向高危环境的智能无人机抓取目标的系统和方法。本发明通过结合无人机技术、图像处理技术以及一些机械学方面的技术，将无人机应用于高危环境下的异物清理工作。同时，利用多种传感器，采用同时定位与制图算法、目标检测算法和目标定位算法，实现对感兴趣目标的精确检测、精准定位和稳定抓取。相对于传统的人工清理异物的方法，本发明自动化程度高，效率高，安全系数高，可广泛应用于高危环境下的异物清理工作中。
-
Patent Agency Ranking
公开(公告)号：CN114972934B
公开(公告)日：2024-11-08
申请号：CN202210522221.X
申请日：2022-05-13
Applicant: 武汉大学
IPC: G06V10/778 , G06V10/764 , G06V10/774
Abstract: 本发明公开了一种面向遥感图像表征的对比自监督学习方法，通过采集异源的卫星影像构建遥感自监督学习训练数据集，利用同步的随机裁切保证成对视图之间的语义一致性，同时依赖异源卫星由于传感器型号、拍摄视角、访问时间等差异带来的成像上的差异构成天然的数据增广，平衡了不同视图的多样性；再结合异步的教师‑学生网络模型，实现对遥感图像的对比自监督学习。相对于通用的对比自监督学习方法，本发明公开的方法能够有效的避免由于随机增广导致的语义不一致性，进而损害遥感图像自监督学习表征的性能。本发明可以有效地应用到基于深度学习的遥感图像的解译任务中去，有效地降低对于遥感图像人工标注的依赖。
-
公开(公告)号：CN114973008B
公开(公告)日：2024-08-27
申请号：CN202210513584.7
申请日：2022-05-11
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种面向高分辨率光学遥感图像目标检测的自监督学习方法，通过设计针对遥感图像目标特性的一系列预测任务，在通用的图像级特征的自监督学习的基础上添加了对于目标级特征的自监督学习。融合了高分辨率光学遥感图像地物目标空间敏感、旋转敏感以及尺度不变性的主要特点，优化网络对于目标特征的提取能力，更好的适配下游的遥感图像目标检测任务。相对于通用的基于图像级特征的自监督学习方法，本发明公开的方法能够充分地挖掘更加细粒的目标级别的特征。本发明可以有效地应用到基于深度学习的遥感图像的目标检测任务中去，提高检测的性能。
-
公开(公告)号：CN116665050A
公开(公告)日：2023-08-29
申请号：CN202310606155.9
申请日：2023-05-23
Applicant: 武汉大学
Abstract: 本发明提供的是一种基于时域注意力的时序遥感图像建筑物变化监测方法及系统。针对不同时相间图像表观风格差异大，目标变化多的问题，该方法在遥感单图分割模型中引入时域注意力，并通过替换归一化层以缓解风格差异导致的无法充分融合时序信息的问题。同时，加入了变化检测辅助损失，注入额外监督信息，以引导模型学习遥感时序图像中建筑物的变化模式。在模型完成语义分割后，加入后处理模块以实现建筑物的实例分割和变化监测。其中实例分割由改进的分水岭算法实现，变化监测由滑动平均序列实现。本方法能够有效利用时序信息，从而实现更加准确的遥感时序建筑物提取和变化监测。
-
公开(公告)号：CN115131660A
公开(公告)日：2022-09-30
申请号：CN202210661362.X
申请日：2022-06-13
Applicant: 武汉大学
IPC: G06V20/10 , G06V20/13 , G06V10/50 , G06V10/62 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供的是一种基于区域差异的时序SAR图像建筑区变化时间点检测方法，该方法利用利用建筑区与周围环境的外观的不一致性来判断是否存在建筑。本发明采用VQ‑VAE模型对SAR图像进行特征提取。VQ‑VAE模型的训练是自监督形式的，不需要标注样本，其提取的特征也更适合聚类，更富有判别性。同时，本方法需要在每个时间序列中提供一个建筑区的掩膜，用于划出建筑区掩膜区域和周围环境区域，并在每个时相的SAR图像中分别比较建筑区掩膜和周围环境掩膜的特征的不相似性。最后通过滑动平均差检测法得到发生变化的时间点。本方法能够有效降低SAR图像中由于语义相同但外观不同导致的虚警。
-
公开(公告)号：CN110569761B
公开(公告)日：2021-04-02
申请号：CN201910796308.4
申请日：2019-08-27
Applicant: 武汉大学
Abstract: 本发明提供一种基于对抗学习的手绘草图检索遥感图像的方法，该方法利用了深度卷积神经网络提取手绘草图和遥感图像的高层语义特征，并利用对抗学习使深度卷积神经网络能够提取手绘草图域和遥感图像域之间不变的特征。网络的输入为手绘草图和遥感图像对，特征提取器分别提取手绘草图和遥感图像的特征；然后将提取到的特征分别作为域鉴别器和分类器的输入，根据提取到的特征判别输入的域及类别。本发明采用的基于对抗学习的手绘草图检索遥感图像方法，能够有效提取手绘草图和遥感图像的高层语义信息，弥合两个域之间的差距，得到更高的检索精度。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
