-
公开(公告)号：CN118429799A
公开(公告)日：2024-08-02
申请号：CN202410440547.7
申请日：2024-04-12
Applicant: 长江勘测规划设计研究有限责任公司 , 武汉大学
IPC: G06V20/10 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/082 , G06N3/084
Abstract: 本发明公开一种用于混凝土坝表面裂缝检测的边界引导UNet方法，包括如下步骤：S1：对混凝土坝表面进行图像采集，然后对图像中的裂缝进行人工标注，从而得到图像数据集；S2：将标注好的图像数据集分为训练集和验证集；S3：基于经典UNet网络搭建边界引导UNet网络；S4：利用训练集对边界引导UNet网络进行训练，得到训练模型；S5：利用验证集对训练模型进行验证，得到边界引导UNet网络算法模型；S6：使用边界引导UNet网络算法模型对待检测混凝土坝表面图像进行裂缝特征识别，得到裂缝检测结果。本发明在获取混凝土坝表面图像的基础上，通过设计边界引导UNet网络，充分适应混凝土表面裂缝形态特征，提升混凝土坝表面裂缝检测精度。
-
公开(公告)号：CN116703856A
公开(公告)日：2023-09-05
申请号：CN202310654390.3
申请日：2023-06-02
Applicant: 长江勘测规划设计研究有限责任公司 , 武汉大学
IPC: G06T7/00 , G06T5/00 , G06T7/11 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于菱形卷积UNet的混凝土大坝表面裂缝检测方法及系统，其中的方法首先对混凝土大坝表面进行图像采集；并对采集到的图像进行标注，得到图像数据集；然后将图像数据集划分为训练集和验证集；再搭建菱形卷积Unet的图像分割网络，接着利用划分得到的训练集对菱形卷积Unet的图像分割网络进行训练，得到训练模型，然后利用验证集对训练模型进行验证，得到算法模型；最后使用算法模型对待检测混凝土表面进行裂缝特征识别，得到裂缝检测结果。本发明解决了现有方法对混凝土大坝表面裂缝形态特征识别不完整、检测精度低的问题，提高了混凝土大坝表面裂缝的检测精度。
-
公开(公告)号：CN119181074A
公开(公告)日：2024-12-24
申请号：CN202411067280.8
申请日：2024-08-06
Applicant: 武汉大学
IPC: G06V20/58 , G06V10/774 , G06V10/40 , G06V10/764 , G06V10/80 , G06T5/77
Abstract: 本申请实施例公开了一种应用于雾霾天气的交通标志检测方法，涉及交通标志检测技术领域，所述方法包括：获取待处理的第一图像，将第一图像输入训练好的交通标志检测模型，通过第一分支的提取模块得到第一图像对应的第一特征，通过第二分支的去雾模块对第一图像进行去雾处理后得到第二图像，通过提取模块得到第二图像对应的第二特征，基于第一特征和第二特征融合得到融合特征图像；基于训练好的交通标志检测模型的检测模块对融合特征图像进行检测分类，输出检测结果。采用本申请提供的方法，可以避免雾霾对图像中目标识别的影响，能够在完成交通标志检测任务对实时性、轻量化的需求的同时提高对交通标志这种小目标的检测性能。
-
公开(公告)号：CN112508082A
公开(公告)日：2021-03-16
申请号：CN202011398541.6
申请日：2020-12-02
Applicant: 武汉大学
Abstract: 本发明提供一种非监督学习的遥感影像空谱融合方法及系统，通过深度学习实现遥感影像融合，其特征在于：基于单组全色‑多光谱影像对，采用非监督的网络训练模式，实现融合该全色‑多光谱影像对；实现过程包括对该单组全色‑多光谱影像对中原始观测的全色影像和多光谱影像分别进行降采样作为网络训练数据对，将原始观测的多光谱影像作为网络标签数据，快速训练融合网络，将原始观测的全色影像和多光谱影像输入训练好的融合网络，得到融合影像。本发明使用降采样的方法构造训练数据对，避免了传统网络方法训练过程对地面真值的需求，实现非监督学习；此外本发明针对单组全色‑多光谱影像对训练网络，不需要大量的训练数据，能快速完成网络的训练。
-
公开(公告)号：CN103020912B
公开(公告)日：2016-05-11
申请号：CN201210551267.0
申请日：2012-12-18
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明提供一种结合波段聚类和稀疏表达的遥感影像复原方法，以提高高光谱遥感影像的空间分辨率为目的，针对高光谱影像光谱维信息丰富以及不同波段噪声强度不同的特点，构建多波段的影像复原模型，利用波段的间高相似性及冗余信息进行相互约束和互补，最终得到高质量的高光谱影像。首先对高光谱影像进行波段聚类，将大量波段分为相关信息差别较大的少量类别；然后采用压缩感知理论对相同类别的一簇波段构建整体的变分训练多波段字典，通过该字典完成影像复原工作。本发明充分利用了多个波段间的相关性对目标影像进行恢复，并保持其光谱特性，复原结果具有更强的空间信息和光谱信息保持性能。
-
Patent Agency Ranking
公开(公告)号：CN112419155B
公开(公告)日：2022-04-15
申请号：CN202011348480.2
申请日：2020-11-26
Applicant: 武汉大学
Abstract: 本发明提出一种基于多尺度注意力机制的全极化孔径雷达影像超分辨率重建方法，构建了内嵌特征层上采样、空间注意力、通道注意力、多尺度注意力、自适应损失函数等模块的残差卷积神经网络，联合监督型与零投型训练机制，获得训练收敛的网络。通过训练好的网络，对待处理低分辨率合成孔径雷达影像进行超分辨率重建，得到高分辨率全极化合成孔径雷达影像，在保持影像极化信息的同时，对其空间信息进行有效重建。
-
公开(公告)号：CN104637027B
公开(公告)日：2017-07-11
申请号：CN201510087994.X
申请日：2015-02-26
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 本发明公开了一种顾及非局部特性与时空变化的遥感数据时空定量融合方法，基于非局部滤波，利用移动窗口技术，首先选取相似像元，用基于小窗口运算的经验型公式筛选相似像元，并在此基础上二次筛选相似像元，以相似像元为中心的邻域矩阵的相似度以及其与中心像元的相对距离衡量权重大小，考虑时空变化，针对区域主要特征，选取相应的方式加权，最终融合得到中心像元的反射率值。本发明利用高空间分辨率数据与高时间分辨率数据的互补信息，顾及非局部特性与时空变化，融合得到既具有高空间有具有高时间分辨率的数据，不仅取得更高的精度，而且更具有实际应用潜力。
-
公开(公告)号：CN105931181A
公开(公告)日：2016-09-07
申请号：CN201610231568.3
申请日：2016-04-14
Applicant: 武汉大学
IPC: G06T3/40
CPC classification number: G06T3/4053 , G06T2207/20016
Abstract: 一种基于非耦合映射关系的影像超分辨率重建方法及系统，包括分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波，得到相应金字塔影像，对每一层影像都分别构建过完备字典，并分层进行结构相似性分析，某一层不满足预设阈值则调整该层的滤波器参数；对待处理的低分辨率影像进行同样滤波，得到相应的金字塔影像，对每层影像构造成信号矩阵，利用低分辨率字典对该信号矩阵进行稀疏表达，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。本发明有效的挖掘出原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，提高了重建精度。
-
公开(公告)号：CN112419197A
公开(公告)日：2021-02-26
申请号：CN202011350566.9
申请日：2020-11-26
Applicant: 武汉大学
IPC: G06T5/00
Abstract: 本发明公开了一种通用的单、多时相SAR影像相干斑噪声去除方法。首先获取多时相的SAR影像，对多时相SAR影像做预处理，并且使用多时相平均影像作为标签影像，再通过添加不同程度的相干斑噪声，生成训练样本；然后，根据需求构建单、多时相SAR影像相干斑噪声通用网络模型，需考虑网络可输入任意数量时相以及时空信息的充分挖掘；接着根据需求，确定网络训练损失函数、训练优化方法以及超参数；对训练样本进行数据增强，包括归一化、裁剪、翻转旋转等操作；其次对使用训练样本训练网络模型，获得模型参数；输入测试样本到网络中，最终获得输出的相干斑噪声去除影像。本发明操作方便，计算效率高，数据要求低，易于实现且可扩展性强，实用价值高。
-
公开(公告)号：CN105931181B
公开(公告)日：2018-10-26
申请号：CN201610231568.3
申请日：2016-04-14
Applicant: 武汉大学
IPC: G06T3/40
Abstract: 一种基于非耦合映射关系的影像超分辨率重建方法及系统，包括分别对原始高分辨率训练影像和原始低分辨率训练影像采用滤波器进行滤波，得到相应金字塔影像，对每一层影像都分别构建过完备字典，并分层进行结构相似性分析，某一层不满足预设阈值则调整该层的滤波器参数；对待处理的低分辨率影像进行同样滤波，得到相应的金字塔影像，对每层影像构造成信号矩阵，利用低分辨率字典对该信号矩阵进行稀疏表达，通过稀疏系数和对应层的高分辨率字典得到对应层的高分辨率影像，最后将每一层的高分辨率影像通过逆滤波的操作得到最终的重建影像。本发明有效的挖掘出原始影像在不同分辨率中的有效信息，大大增强了所构造的字典的表达能力，提高了重建精度。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.035 seconds)
