-
公开(公告)号：CN100510772C
公开(公告)日：2009-07-08
申请号：CN200610018282.3
申请日：2006-01-23
Applicant: 武汉大学
Abstract: 遥感图像小目标超分辨率重建方法，提出了降晰遥感图像超分辨率图像重建的模型，空间分辨率增加到原图像的1.5倍，并有效的抑制了寄生波纹；线状地物和经验函数估计大气扰动图像降晰参数H；解相关消噪算子，冗余小波分解采用镜像小波基函数，利用其正交性相关，在小波域内实现形态学小波非线性小波编码的基础上，抑制高频随机噪声；根据信号噪声和信号能量谱密度动态均衡高频噪声信号和高频细节信号对解模糊的影响；解模糊算子，反卷积不需要预先知道精确的系统光学传递函数。可应用于卫星图像军事目标识别、小目标的检测和土地资源的遥感影像测量。
-
公开(公告)号：CN103020905B
公开(公告)日：2016-05-25
申请号：CN201210381368.8
申请日：2012-10-09
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明涉及针对文字图像的稀疏约束自适应NLM超分辨率重建方法。是文字图像检测与识别的前提，在智慧城市、物联网视频感知等方面具有广泛应用前景。利用字符图像的统计稀疏性、结构稀疏性自适应的计算权值调节因子h，解决了现有NLM方法超分辨率重建算法中h参数根据经验设定的问题；提出利用L-1范数距离来度量图像子块的相似度，避免了重建的过度平滑；实验分析得出搜索窗参数p和比较窗参数q的最佳值，既能取得较高的重建精度，又能有效降低算法时间复杂度；通过块匹配方法达到高精确亚像素运动估计；超分辨率上采样因子达到2-5倍。通过自适应总变分算法对重建结果去模糊，在抑制噪声和寄生波纹的同时，有效保持了图像的边缘纹理信息。
-
公开(公告)号：CN1804657A
公开(公告)日：2006-07-19
申请号：CN200610018282.3
申请日：2006-01-23
Applicant: 武汉大学
Abstract: 遥感图像小目标超分辨率重建方法，提出了降晰遥感图像超分辨率图像重建的模型，空间分辨率增加到原图像的1.5倍，并有效的抑制了寄生波纹；线状地物和经验函数估计大气扰动图像降晰参数H；解相关消噪算子，冗余小波分解采用镜像小波基函数，利用其正交性相关，在小波域内实现形态学小波非线性小波编码的基础上，抑制高频随即噪声；根据信号噪声和信号能量谱密度动态均衡高频噪声信号和高频细节信号对解模糊的影响；解模糊算子，反卷积不需要预先知道精确的系统光学传递函数。可应用于卫星图像军事目标识别、小目标的检测和土地资源的遥感影像测量。
-
公开(公告)号：CN103400149A
公开(公告)日：2013-11-20
申请号：CN201310335057.2
申请日：2013-08-02
Applicant: 武汉大学
Abstract: 本发明公开了一种基于核函数扩展的仿生模式识别方法，包括：一、利用灰度共生矩阵来提取影像的纹理特征；二、通过训练样本训练神经元单形以及确定超球半径；三、利用训练好之后的神经网络进行目标识别。本发明采用基于核函数扩展的仿生模型方法，从对象纹理、几何等特征入手解决人工目标的识别问题。本发明解决了在波段数或者特征数较少情况下也就是维数较低的情况下，仿生模式识别效果不佳的问题。
-
公开(公告)号：CN1790052A
公开(公告)日：2006-06-21
申请号：CN200510020068.7
申请日：2005-12-19
Applicant: 武汉大学
IPC: G01S17/89
Abstract: 本发明涉及一种基于遥感影像和GIS数据的面状地物变化检测方法，包括：一、对GIS数据预处理；二、对遥感影像预处理；三、计算面状地物的Label点；四、预测GIS面状地物Label点对应的遥感影像同名点；五、定义一组由粗到细的相似特征量；六、根据相似特征量迭代提取影像上的同名面状地物；七、根据预先定义的相似特征量阈值判断地物是否发生变化，如果发生了变化，则标记该地物，否则计算该地物多边形的重心坐标作为控制点，返回第四步。本发明对感兴趣地物的GIS数据进行上述操作，可以检测出变化地物，对于没有变化的地物，可以获得控制点，利用这些控制点可以实现影像与GIS数据的自动配准。
-
Patent Agency Ranking
公开(公告)号：CN105182359B
公开(公告)日：2018-11-02
申请号：CN201510464125.4
申请日：2015-07-31
Applicant: 武汉大学
IPC: G01S17/89
Abstract: 本发明公开一种星载Lidar超混沌压缩感知高空间分辨率成像方法。针对大光斑星载Lidar高分辨率探测，基于图像稀疏先验，提出一种超混沌压缩感知Lidar成像方法。超混沌伪随机矩阵驱动DMD实现Lidar光路空间调制，由分块压缩感知实现ZIGZIG扫描分块采样，APD进行CS观测与同步采集，然后StOMP算法重构大光斑星载激光雷达高分辨率图像，获取探测目标空间纹理信息，如摘要附图所示。分块压缩感知，降低了CS观测矩阵的维数和重构算法的复杂度，能够快速获取高分辨率的观测图像。本发明构建了实验原型并进行方法验证，能有效提高星载大光斑Lidar探测的空间分辨率、获取二维图像空间结构信息。
-
公开(公告)号：CN105182359A
公开(公告)日：2015-12-23
申请号：CN201510464125.4
申请日：2015-07-31
Applicant: 武汉大学
IPC: G01S17/89
CPC classification number: G01S17/89
Abstract: 本发明公开一种星载Lidar超混沌压缩感知高空间分辨率成像方法。针对大光斑星载Lidar高分辨率探测，基于图像稀疏先验，提出一种超混沌压缩感知Lidar成像方法。超混沌伪随机矩阵驱动DMD实现Lidar光路空间调制，由分块压缩感知实现ZIGZIG扫描分块采样，APD进行CS观测与同步采集，然后StOMP算法重构大光斑星载激光雷达高分辨率图像，获取探测目标空间纹理信息，如摘要附图所示。分块压缩感知，降低了CS观测矩阵的维数和重构算法的复杂度，能够快速获取高分辨率的观测图像。本发明构建了实验原型并进行方法验证，能有效提高星载大光斑Lidar探测的空间分辨率、获取二维图像空间结构信息。
-
公开(公告)号：CN102496016A
公开(公告)日：2012-06-13
申请号：CN201110372222.2
申请日：2011-11-22
Applicant: 武汉大学
Abstract: 本发明涉及一种基于时空协同框架的红外目标检测方法，包括以下步骤：1，获取视频的背景帧Bg和当前帧Ft，并结合背景帧Bg和当前帧Ft进行背景杂波抑制，得到背景杂波抑制后的背景抑制图Gt；2，针对1中得到的背景抑制图Gt首先进行建立时空背景模型，然后针对建模后时空背景模型信息进行目标定位；3，依据红外目标的成像机制，分析红外目标与周围环绕背景的空间差异性，采用模糊自适应共振神经网络针对2已经定位的目标进行局部分类后提取红外目标。具有如下优点：不依赖于任何的目标形状和运动信息先验知识；适用于复杂的户外场景；提高信噪比；提高目标检测率降低计算量；能有效去除虚假目标，降低虚警率；有利于后续的目标识别。
-
公开(公告)号：CN102324106A
公开(公告)日：2012-01-18
申请号：CN201110148014.4
申请日：2011-06-02
Applicant: 武汉大学
IPC: G06T17/05
Abstract: 本发明涉及一种顾及地表光谱信息的SFS三维重建加密稀疏DEM方法。本发明创造性的提出利用多光谱遥感影像结合SFS三维重建的粗分辨率DEM格网内插加密方法；提出利用地物光谱信息估算不同地物类型的反射率，去除地表植被覆盖类型对SFS重建精度的影响，本发明利用多光谱影像代替全色影像，运用地物光谱信息辅助提高三维重建精度；能有效抑制地表植被覆盖类型、地物阴影对于建立地表三维模型与影像光谱亮度变换关系的影响；相对于常用DEM插值算法精度有显著提高，实例验证本专利方法能将DEM空间分辨率提高到原数据的2倍，并能完成基于稀疏控制点的大范围DEM快速建立。
-
公开(公告)号：CN102496016B
公开(公告)日：2013-07-24
申请号：CN201110372222.2
申请日：2011-11-22
Applicant: 武汉大学
Abstract: 本发明涉及一种基于时空协同框架的红外目标检测方法，包括以下步骤：1，获取视频的背景帧Bg和当前帧Ft，并结合背景帧Bg和当前帧Ft进行背景杂波抑制，得到背景杂波抑制后的背景抑制图Gt；2，针对1中得到的背景抑制图Gt首先进行建立时空背景模型，然后针对建模后时空背景模型信息进行目标定位；3，依据红外目标的成像机制，分析红外目标与周围环绕背景的空间差异性，采用模糊自适应共振神经网络针对2已经定位的目标进行局部分类后提取红外目标。具有如下优点：不依赖于任何的目标形状和运动信息先验知识；适用于复杂的户外场景；提高信噪比；提高目标检测率降低计算量；能有效去除虚假目标，降低虚警率；有利于后续的目标识别。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.016 seconds)
