-
公开(公告)号：CN119151933A
公开(公告)日：2024-12-17
申请号：CN202411646678.7
申请日：2024-11-18
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像异常检测技术领域，特别涉及一种基于嵌套自编码器的高光谱图像异常检测方法和装置，其中，方法包括：获取原始高光谱图像；基于上采样结构，利用第一级编码器对原始高光谱图像在空间维度上进行特征编码和解码，并利用第二级编码器对原始高光谱图像在光谱维度上进行特征编码和解码，得到原始高光谱图像的空间特征和光谱特征；基于空间特征和光谱特征重建得到重建高光谱图像的异常像素点。由此，解决了现有技术检测方法虚警率高、细节重建效果差、图像信息利用率低等问题，通过对深度学习模型的结构进行改进，具有自动化、检测准度高、复杂度低、快速高效等优点。
-
公开(公告)号：CN118447404A
公开(公告)日：2024-08-06
申请号：CN202410660029.6
申请日：2024-05-27
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了高光谱图像的背景异常识别方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；将所述原始高光谱图像输入到高光谱图像背景提取模型中，得到背景特征；其中，所述高光谱图像背景提取模型包括第一网络提取分支与第二网络提取分支，所述第一网络提取分支包括多个扩展卷积层，用于提取全局特征，所述第二网络分支包括卷积层，用于提取局部特征，将所述全局特征与所述局部特征融合，得到所述背景特征；将所述背景特征与所述原始高光谱图像进行对比，得到背景异常识别结果。本申请通过设置多个扩展卷积层，在不尺度上提取特征，扩大感受野，并且减少了计算复杂度，将全局信息与局部信息融合，能够精准识别背景异常。
-
公开(公告)号：CN114862731B
公开(公告)日：2024-04-16
申请号：CN202210319962.8
申请日：2022-03-29
Applicant: 武汉大学
IPC: G06T5/50 , G06V10/58 , G06V10/77 , G06V10/80 , G06V10/82 , G06T3/4053 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种低秩先验与空谱信息引导的多‑高光谱影像融合方法，提出了一种全新的结合空谱引导与低秩先验的多层多分支融合网络SSLRNet，该网络首先构造多层多分支融合子网络(MLMB)，旨在从多个分支进行特征的提取，并进行多层特征融合，重建出初步的融合影像。之后，构造基于空谱引导的融合影像空间光谱纠正子网络，通过多光谱影像波段叠加求和影像与高光谱影像波段平均值影像对MLMB生成的初步融合影像进行空间光谱引导，缩小空间光谱扭曲。最后，构造基于低秩神经网络的融合影像低秩先验约束子网络，与深度学习网络相结合，利用网络自身特性进行低秩分解，使融合结果更符合真实应用需求。本发明提高了网络的融合精度，更符合真实应用需求。
-
公开(公告)号：CN119418261A
公开(公告)日：2025-02-11
申请号：CN202411397586.X
申请日：2024-10-09
Applicant: 武汉大学
IPC: G06V20/52 , G06V20/10 , G06V10/40 , G06V10/25 , G06V10/82 , G06V10/774 , G06V10/74 , G06V10/764 , G06T7/00 , G06T7/62 , G06N3/0464 , G06Q10/20 , G06Q50/26
Abstract: 本发明提出了一种城市基础设施损坏实时监测与响应方法及系统。本发明布置在城市基础设施多个关键部位的多个图像传感器，用于实时采集基础设施的图像，并通过采集的图像数据构建基础设施损坏的图像样本库；接收并处理图像数据，提取关键特征；对实时监测图像数据进行处理和分析，识别出基础设施的损坏情况，并评估损坏程度。本发明通过基础设施损坏特征记忆和基于扩散生成的泛化联想技术，实现了对城市基础设施损坏问题的实时监测、精准识别和快速响应。本发明不仅提高了城市管理和应急救援的效率和准确性，还为城市管理的智能化和精细化提供了有力的数据支持。
-
公开(公告)号：CN119152374B
公开(公告)日：2025-01-21
申请号：CN202411606049.1
申请日：2024-11-12
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094 , G06N3/0455
Abstract: 本发明涉及信息处理技术领域，特别涉及一种基于低秩嵌入与多尺度的异常检测方法、装置及电子设备。方法包括：获取高光谱图像，并对高光谱图像进行预处理，得到原始高光谱图像；利用预设的低秩背景特征提取模型对原始高光谱图像进行特征提取操作，得到低秩背景特征，并利用预先构建的多尺度融合特征提取模型，提取原始高光谱图像的全局特征和局部特征；对低秩背景特征、全局特征和局部特征进行整合处理，将得到的目标重建背景图像与高光谱图像进行比较，识别异常区域。由此，通过采用低秩背景特征提取与多尺度融合特征提取实现高光谱图像灾害监测，解决了现有检测方法检测过程耗时长、效率低、精度低的问题，具有自动化、高精度、快速高效等优点。
-
Patent Agency Ranking
公开(公告)号：CN118469843A
公开(公告)日：2024-08-09
申请号：CN202410562341.1
申请日：2024-05-08
Applicant: 武汉大学
IPC: G06T5/60 , G06T5/92 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请公开了一种高光谱图像的背景重建方法、装置、存储介质及电子设备。该方法包括：获取原始高光谱图像；搭建改进的低秩背景特征提取网络，将所述原始高光谱图像输入到所述改进的低秩背景特征提取网络中，得到多个低秩矩阵，并基于所述多个低秩矩阵得到低秩背景特征；其中，所述改进的低秩背景特征提取网络中包括LBM模块，所述LBM模块为稀疏连接结构；对所述低秩背景特征进行调整，得到重建的高光谱图像背景。本申请通过LBM模块提取低秩背景特征，并基于低秩背景特征重建高光谱图像背景，能够快速重建高光谱背景图像且准确度较高。
-
公开(公告)号：CN114862731A
公开(公告)日：2022-08-05
申请号：CN202210319962.8
申请日：2022-03-29
Applicant: 武汉大学
Abstract: 本发明公开了一种低秩先验与空谱信息引导的多‑高光谱影像融合方法，提出了一种全新的结合空谱引导与低秩先验的多层多分支融合网络SSLRNet，该网络首先构造多层多分支融合子网络(MLMB)，旨在从多个分支进行特征的提取，并进行多层特征融合，重建出初步的融合影像。之后，构造基于空谱引导的融合影像空间光谱纠正子网络，通过多光谱影像波段叠加求和影像与高光谱影像波段平均值影像对MLMB生成的初步融合影像进行空间光谱引导，缩小空间光谱扭曲。最后，构造基于低秩神经网络的融合影像低秩先验约束子网络，与深度学习网络相结合，利用网络自身特性进行低秩分解，使融合结果更符合真实应用需求。本发明提高了网络的融合精度，更符合真实应用需求。
-
公开(公告)号：CN119151933B
公开(公告)日：2025-04-04
申请号：CN202411646678.7
申请日：2024-11-18
Applicant: 武汉大学
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 本发明涉及图像异常检测技术领域，特别涉及一种基于嵌套自编码器的高光谱图像异常检测方法和装置，其中，方法包括：获取原始高光谱图像；基于上采样结构，利用第一级编码器对原始高光谱图像在空间维度上进行特征编码和解码，并利用第二级编码器对原始高光谱图像在光谱维度上进行特征编码和解码，得到原始高光谱图像的空间特征和光谱特征；基于空间特征和光谱特征重建得到重建高光谱图像的异常像素点。由此，解决了现有技术检测方法虚警率高、细节重建效果差、图像信息利用率低等问题，通过对深度学习模型的结构进行改进，具有自动化、检测准度高、复杂度低、快速高效等优点。
-
公开(公告)号：CN119274075A
公开(公告)日：2025-01-07
申请号：CN202411383230.0
申请日：2024-09-30
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/80 , G06V10/44 , G06T5/70 , G06T7/136 , G06T7/13 , G06Q10/04 , G06Q50/26 , G06T5/80 , G08B21/10
Abstract: 本发明提出了一种多源遥感卫星数据融合的洪水监测预警方法及系统。本发明收集洪水区域的多种类型的遥感卫星数据；对收集到的遥感卫星数据进行预处理；将预处理后的多种遥感卫星数据通过整合不同尺度特征以获得特征融合；将基于重访通道注意力模块的特征融合从同层场景推广到跨层场景；利用融合后的遥感影像进行洪水识别，提取出洪水区域的边界和范围；根据识别出的洪水区域和历史洪水数据，结合气象、水文信息，进行洪水预警得到预警结果；洪水事件进行洪水成因、洪水过程、洪水影响综合分析。本发明通过整合多源卫星数据，旨在提升洪水大范围检测的精确度，并强化洪水趋势的预测能力，从而确保洪水时空预警的准确性与可靠性。
-
公开(公告)号：CN119152374A
公开(公告)日：2024-12-17
申请号：CN202411606049.1
申请日：2024-11-12
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/094 , G06N3/0455
Abstract: 本发明涉及信息处理技术领域，特别涉及一种基于低秩嵌入与多尺度的异常检测方法、装置及电子设备。方法包括：获取高光谱图像，并对高光谱图像进行预处理，得到原始高光谱图像；利用预设的低秩背景特征提取模型对原始高光谱图像进行特征提取操作，得到低秩背景特征，并利用预先构建的多尺度融合特征提取模型，提取原始高光谱图像的全局特征和局部特征；对低秩背景特征、全局特征和局部特征进行整合处理，将得到的目标重建背景图像与高光谱图像进行比较，识别异常区域。由此，通过采用低秩背景特征提取与多尺度融合特征提取实现高光谱图像灾害监测，解决了现有检测方法检测过程耗时长、效率低、精度低的问题，具有自动化、高精度、快速高效等优点。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.023 seconds)
