-
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：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。
-
公开(公告)号：CN118781727A
公开(公告)日：2024-10-15
申请号：CN202410852623.5
申请日：2024-06-28
Applicant: 武汉大学
IPC: G08B17/00 , G08B17/10 , G08B17/12 , G01D21/02 , G06V20/17 , G06V20/52 , G06V10/22 , G06V10/56 , G06V10/82 , G06V10/80 , G06N3/0442 , G06N3/08 , B64U20/87 , B64U101/30 , B64U101/40
Abstract: 本发明公开了一种智能无人机群森林火灾早期侦测方法、介质和设备，该方法包括：选择若干架无人机组成无人机群；通过无人机群协同作业对发生火灾的森林区域进行监测，以确定全面的火场数据，并根据火场数据实现火灾侦测；其中，火场数据至少包括火场的温度分布、烟雾浓度、火势蔓延方向、火势各方向蔓延状况和火势蔓延速度数据。本发明能够实现智能无人机群在森林火灾早期侦测中的高效协同作业，可实现全天候、无死角监测，并可提高火情监测的准确性和实时性，降低森林火灾的发生概率和损失。
-
公开(公告)号：CN117711417A
公开(公告)日：2024-03-15
申请号：CN202410163875.7
申请日：2024-02-05
Applicant: 武汉大学
IPC: G10L21/0208 , G10L21/0232 , G10L25/30 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于频域自注意力网络的语音质量增强方法及系统，首先输入原始语音并进行预处理；然后将处理后频率响应输入频域自注意力网络；最终输出信号并对输出的信号进行后处理得到语音增强信号；频域自注意力网络，包括位置编码模块、N个相同的基本单元模块；位置编码模块包括位置编码层；基本单元模块包括多注意力头层、残差连接和层归一化层、前馈层；N个相同的基本单元模块，其中N由所需网络深度决定。本发明能够实现对语音信号中噪声的去除，在语音通信方具有重要意义。
-
公开(公告)号：CN117456339A
公开(公告)日：2024-01-26
申请号：CN202311556027.4
申请日：2023-11-17
Applicant: 武汉大学
IPC: G06V10/98 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于多层次特征复用的图像质量评价方法及系统，首先将输入图像进行预处理，得到若干输入图像块；然后将图像块输入多层次特征复用网络中，得到整体质量分数；多层次特征复用网络包括浅层特征提取模块、深层特征提取模块、空间注意力模块、线性加权回归模块；浅层特征提取模块包括一个Riesz变换层和一个残差连接单元；深层特征提取模块包括一个卷积神经网络S和一个残差连接单元；空间注意力模块包括一个卷积神经网络W和一个残差连接单元；线性加权回归模块包括两个线性层、一个归一化层、和一个加权求和单元。本发明提高所提取特征的利用效率，从而使模型的质量评价既能反映图像的客观失真程度，又能符合人眼的主观感知。
-
Patent Agency Ranking
公开(公告)号：CN117274121A
公开(公告)日：2023-12-22
申请号：CN202311062157.2
申请日：2023-08-22
Applicant: 武汉大学
Abstract: 本发明方法提出了一种四分支神经网络遥感影像融合方法及计算机可读介质。本发明对每幅原始高光谱影像进行光谱维度的下采样处理，获得每幅低光谱分辨率的多光谱影像；对每幅原始高光谱影像进行空间维度的模糊处理和下采样处理，获得每幅低空间分辨率的高光谱影像；构建四分支神经网络模型，结合每幅低光谱分辨率的多光谱影像、每幅低空间分辨率的高光谱影像进行迭代优化，得到训练后的四分支神经网络模型；实时采集高光谱影像，将实时采集的高光谱影像结合训练后的四分支神经网络模型进行融合，得到每幅预测的实时高光谱影像。本发明能够充分地从高光谱和多光谱影像中提取空间特征和光谱特征，并在计算复杂度和空间复杂度方面表现出了巨大优势。
-
公开(公告)号：CN116883836A
公开(公告)日：2023-10-13
申请号：CN202310733450.0
申请日：2023-06-19
Applicant: 武汉大学
IPC: G06V20/10 , G06V10/26 , G06V10/74 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于图卷积神经网络的农产品等级自动识别方法及系统，首先获取农产品的高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入图卷积神经网络进行农产品等级的自动识别评估；输出农产品属于不同质量等级的概率值，选取概率最大的质量等级作为当前待预测农产品的等级。本发明采用高光谱成像技术获取的茶叶叶片高光谱图像，其具有近乎连续的光谱曲线与图谱合一的特性，可以实现茶叶等级的无损检测，并且提高识别的准确性。此外，使用图卷积神经网络模型，能够更加灵活地提取茶叶高光谱图像的光谱特征和空间特征，从而实现对茶叶等级的准确自动识别。
-
公开(公告)号：CN116883720A
公开(公告)日：2023-10-13
申请号：CN202310711018.1
申请日：2023-06-14
Applicant: 武汉大学
IPC: G06V10/764 , G06V10/774 , G06T5/00 , G06V10/80 , G06N3/0464 , G06N3/084 , G01N21/27
Abstract: 本发明公开了一种基于空谱注意力网络的果蔬农药残留检测方法及系统，首先采集果蔬高光谱图像，并进行数据预处理；然后将预处理后的高光谱图像输入空谱注意力网络进行农药残留检测；本发明能够自动检测食品中的农药残留，具有检测效率高、准确率高、操作简单等优点，为食品安全监管提供了有效手段。
-
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。
-
公开(公告)号：CN117455774B
公开(公告)日：2024-05-14
申请号：CN202311551013.3
申请日：2023-11-17
Applicant: 武汉大学
IPC: G06T3/4053 , G06T3/4046 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/082
Abstract: 本发明公开了一种基于差分输出的图像重建方法及系统，首先输入低分辨率图像并进行预处理；然后将处理后的图像输入差模发生器获得差模信号(图像)；然后将差模信号(图像)输入生成对抗网络；最终差分输出去除共模噪声获得高分辨率图像；生成对抗网络包括生成网络模块、判断网络模块，该生成对抗网络是基于SRGAN的框架搭建；生成网络模块包括卷积网络层、上采样层、LeakyReLU激活函数层；判断网络模块包括卷积网络层、全局平均池化层、LeakyReLU激活函数层、归一化层。本发明能够实现对低分辨率图像进行高分辨率重建去除重影等共模噪声，对于数字图像处理和军事图像处理具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.032 seconds)
