-
Patent Agency Ranking
公开(公告)号：CN112990066A
公开(公告)日：2021-06-18
申请号：CN202110345854.3
申请日：2021-03-31
Applicant: 武汉大学
Abstract: 本发明提供一种基于多策略增强的遥感影像固体废弃物识别方法及系统，包括根据输入的原始遥感影像以及预设的重叠率，对原始遥感影像进行裁切，保存各个裁切所得遥感影像块的左上角点在整幅遥感影像中的坐标位置信息；将遥感影像块放入针对遥感影像固体废弃物识别的深度学习目标检测网络当中进行识别，识别出固体废弃物的边框，所述针对遥感影像固体废弃物识别的深度学习目标检测网络采用位置信息引导的多策略增强关键点目标识别网络；对检测出来的边框，进行筛选处理，得到最终的识别边框结果，在原始遥感影像中进行显示。本发明提出的方案可以有效地应用于高分辨率遥感影像当中，从而可以快速的检测遥感影像中的固体废弃物。
-
公开(公告)号：CN118470524A
公开(公告)日：2024-08-09
申请号：CN202410564111.9
申请日：2024-05-08
Applicant: 长江空间信息技术工程有限公司(武汉) , 武汉大学 , 长江勘测规划设计研究有限责任公司
IPC: G06V20/10 , G06V10/44 , G06V10/52 , G06V10/77 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供基于双分支协同处理的遥感影像水体自动解译方法及系统，通过对遥感影像的数字量化值进行预处理生成校正后的反射率数据，处理得到模型的训练数据集；联合单分支水体提取网络和单分支背景信息提取网络，构建双分支协同处理的遥感影像水体自动解译网络模型；通过训练数据集对模型进行训练收敛，再将其应用于同传感器其他遥感影像的水体自动解译中，获得水体掩膜数据。本发明通过遥感影像的水体与背景信息提取的协同处理，通过二者的互补关系对水体自动解译进行优化，使得遥感影像水体自动解译不易混淆，大大降低了计算复杂度，充分利用了遥感影像的内部特征信息，从而有效地提取遥感影像上的水体信息，得到高精度的水体掩膜数据。
-
公开(公告)号：CN112419196B
公开(公告)日：2022-04-26
申请号：CN202011349993.5
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的无人机遥感影像阴影去除方法，首先利用无人机进行数据采集，并对数据进行辐射归一化和几何配准处理，构建无人机阴影数据库；然后该阴影数据库基础上，利用条件生成对抗网络1学习样本对之间的阴影去除关系，从而实现阴影的初步去除；考虑到阴影去除前后的辐射差异，构建非阴影区域辐射归一化数据库，并在此数据库基础上对条件生成对抗网络2进行训练；最后基于此关系对阴影去除初步结果进行辐射归一化处理，得到最终的阴影去除结果。本发明考虑到无人机数据获取的灵活性，采集并构建阴影影像数据集，利用深度学习理论深入挖掘样本对之间的变换关系，以获得最优的阴影去除结果。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN112419196A
公开(公告)日：2021-02-26
申请号：CN202011349993.5
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明公开了一种基于深度学习的无人机遥感影像阴影去除方法，首先利用无人机进行数据采集，并对数据进行辐射归一化和几何配准处理，构建无人机阴影数据库；然后该阴影数据库基础上，利用条件生成对抗网络1学习样本对之间的阴影去除关系，从而实现阴影的初步去除；考虑到阴影去除前后的辐射差异，构建非阴影区域辐射归一化数据库，并在此数据库基础上对条件生成对抗网络2进行训练；最后基于此关系对阴影去除初步结果进行辐射归一化处理，得到最终的阴影去除结果。本发明考虑到无人机数据获取的灵活性，采集并构建阴影影像数据集，利用深度学习理论深入挖掘样本对之间的变换关系，以获得最优的阴影去除结果。其准确性高，计算效率快，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN112990066B
公开(公告)日：2023-04-07
申请号：CN202110345854.3
申请日：2021-03-31
Applicant: 武汉大学
IPC: G06V20/13 , G06V10/75 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于多策略增强的遥感影像固体废弃物识别方法及系统，包括根据输入的原始遥感影像以及预设的重叠率，对原始遥感影像进行裁切，保存各个裁切所得遥感影像块的左上角点在整幅遥感影像中的坐标位置信息；将遥感影像块放入针对遥感影像固体废弃物识别的深度学习目标检测网络当中进行识别，识别出固体废弃物的边框，所述针对遥感影像固体废弃物识别的深度学习目标检测网络采用位置信息引导的多策略增强关键点目标识别网络；对检测出来的边框，进行筛选处理，得到最终的识别边框结果，在原始遥感影像中进行显示。本发明提出的方案可以有效地应用于高分辨率遥感影像当中，从而可以快速的检测遥感影像中的固体废弃物。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
