-
公开(公告)号：CN110427836B
公开(公告)日：2020-12-01
申请号：CN201910625252.6
申请日：2019-07-11
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 武汉大学
Inventor： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
公开(公告)号：CN111222453A
公开(公告)日：2020-06-02
申请号：CN202010005721.7
申请日：2020-01-03
Applicant: 武汉大学
Abstract: 本发明提供一种基于密集连接和几何结构约束的遥感影像变化检测方法，对前后期变化检测输入影像做预处理，包括计算影像归一化参数，进行前后期影像归一化和后期影像颜色校正；进行DCGC-CD模型训练和测试，实现对前后期遥感影像进行变化区域信息提取；所述DCGC-CD模型包括前后期变化特征差分编码模块和多分支几何结构约束解码模块，所述前后期影像变化特征差分编码模块包括针对输入前期影像的分支和针对输入后期影像的分支；所述多分支几何结构约束解码模块包括三个分支，分支一用于前期边缘预测，分支二用于变化区域预测，分支三用于后期边缘预测，分支一和分支三的结构和分支二的结构通过损失函数相互作用，实现通过几何结构信息有效约束最终变化检测结果。
-
公开(公告)号：CN108197583B
公开(公告)日：2020-04-24
申请号：CN201810023880.2
申请日：2018-01-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于图割优化和影像结构特征的建筑物变化检测方法，包括：S1，DSM滤波获得DEM，计算归一化数字表面模型(nDSM)；S2，计算差值DSM(dDSM)；S3，提取地物变化区域，将地物变化检测问题建模为二值化分类问题，地物变化区域为前景，其他区域为背景；S4，提出了一种稳健的影像结构特征，有效排除变化的植被等非建筑区域；S5，结合建筑物变化检测结果和高程数据，将变化的建筑物对象进一步区分为增高，降低，拆除，新建四类。本发明综合利用三维信息和影像光谱信息，能够显著提高建筑物变化检测的精度和可靠性，对城市规划、城市动态监测、城市增长检测、违章建筑物识别以及地理信息更新等领域具有重要意义。
-
公开(公告)号：CN110443248A
公开(公告)日：2019-11-12
申请号：CN201910560692.8
申请日：2019-06-26
Applicant: 武汉大学
Abstract: 本发明涉及一种大幅遥感影像语义分割分块效应消除方法及系统，该方法利用滑动窗口尺寸、全局融合因子综合计算窗口加权函数，同时顾及卷积神经网络(CNN)在GPU环境下批处理预测的优势，以总批处理大小所处理的影像块为处理单元，对不同步长下的批处理影像进行全局加权融合。利用滑动窗口尺寸及融合因子，消除扩充边界，从而获取最终融合结果，消除大幅遥感影像语义分割分块效应。
-
公开(公告)号：CN110427836A
公开(公告)日：2019-11-08
申请号：CN201910625252.6
申请日：2019-07-11
Applicant: 重庆市地理信息和遥感应用中心(重庆市测绘产品质量检验测试中心) , 武汉大学
Inventor： 曾安明 , 李朋龙 , 丁忆 , 胡翔云 , 张泽烈 , 胡艳 , 段伦豪 , 张觅 , 李晓龙 , 段松江 , 罗鼎 , 吴凤敏 , 刘金龙 , 刘建 , 黄印 , 陈雪洋 , 钱进 , 魏文杰 , 张黎 , 黄潇莹
Abstract: 本发明公开了一种基于多尺度优化的高分辨率遥感影像水体提取方法，包括如下步骤：搭建待训练卷积神经网络，基于该网络从输入遥感影像中提取多尺度特征，从最低分辨率的特征中获取初始粗糙水体分割结果；通过擦除注意力方法，结合多尺度特征和初始分割结果，输出全分辨率下的水体提取结果；构建多尺度损失函数，获得训练好的卷积神经网络；将待提取的高分辨率遥感影像输入训练好的网络，得到水体提取结果。该方法通过对具有真实水体标注的遥感影像训练数据集进行学习与训练，通过擦除注意力机制的引导，结合多尺度优化策略，在显著提高了总体水体提取精度的同时，还加强了对细小水体的识别与提取。
-
Patent Agency Ranking
公开(公告)号：CN110327371A
公开(公告)日：2019-10-15
申请号：CN201910636574.0
申请日：2019-07-15
Applicant: 武汉大学
Abstract: 本发明涉及碳酸氢钠林格注射液及其制备方法，碳酸氢钠林格注射液有效成分为每1000ml含有5.84g氯化钠、0.30g氯化钾、0.22g二水氯化钙、0.20g六水氯化镁、2.35g碳酸氢钠，还含有枸橼酸和L—苹果酸。本发明得到的碳酸氢钠林格注射液稳定性好，不易产生沉淀，不溶性微粒数量低且稳定，大大提高了用药的安全性。
-
公开(公告)号：CN109919944A
公开(公告)日：2019-06-21
申请号：CN201811639313.6
申请日：2018-12-29
Applicant: 武汉大学
Abstract: 本发明公开了一种复杂场景建筑物变化检测的联合超像素图割优化方法，包括：步骤1、获取两个不同时期的数字表面模型进行格网化处理，融合后对它们实现联合分割，获得联合超像素对象；步骤2、分别对两个时期的原始影像数据，采用基于深度卷积神经网络的语义分割算法实现图像分类，检测出影像中的建筑物；步骤3、以联合超像素对象为处理单元，提取联合超像素对象的多个特征，构建图割优化的数据项和平滑项，并采用最大流最小割理论得到全局最优化解，得到两个时期建筑物的变化对象；步骤4、将建筑物的变化类型进行分类，包括：新建、增高、拆除、降低。本发明的方法能够显著提高建筑物变化检测的精度和可靠性。
-
公开(公告)号：CN108197583A
公开(公告)日：2018-06-22
申请号：CN201810023880.2
申请日：2018-01-10
Applicant: 武汉大学
Abstract: 本发明公开了一种基于图割优化和影像结构特征的建筑物变化检测方法，包括：S1，DSM滤波获得DEM，计算归一化数字表面模型(nDSM)；S2，计算差值DSM(dDSM)；S3，提取地物变化区域，将地物变化检测问题建模为二值化分类问题，地物变化区域为前景，其他区域为背景；S4，提出了一种稳健的影像结构特征，有效排除变化的植被等非建筑区域；S5，结合建筑物变化检测结果和高程数据，将变化的建筑物对象进一步区分为增高，降低，拆除，新建四类。本发明综合利用三维信息和影像光谱信息，能够显著提高建筑物变化检测的精度和可靠性，对城市规划、城市动态监测、城市增长检测、违章建筑物识别以及地理信息更新等领域具有重要意义。
-
公开(公告)号：CN119625513A
公开(公告)日：2025-03-14
申请号：CN202411064496.9
申请日：2024-08-05
Applicant: 武汉大学
Abstract: 本申请涉及一种基于扩散模型的建筑物矢量拓扑结构提取方法和装置，方法包括：将待提取遥感影像输入至预先构建的扩散模型得到待提取遥感影像的建筑物矢量拓扑结构，其中，预先构建的扩散模型由初始扩散模型优化得到，初始扩散模型由预设的同构训练策略训练多层级扩散Transformer网络和边特征偏置的图扩散Transformer网络后构建得到。由此，解决了传统的扩散模型的结构由于邻接矩阵为稀疏矩阵，上下采样操作造成信息损失，不适用于邻接矩阵的学习和预测，并且传统的扩散模型由于噪声采样过程的随机性，导致建筑物矢量提取结果不精确，并且传统的扩散模型训练在判别任务上容易过拟合的问题，能够实现卫星或航空遥感影像的建筑物矢量拓扑结构的自动提取。
-
公开(公告)号：CN116402942A
公开(公告)日：2023-07-07
申请号：CN202310194010.2
申请日：2023-03-02
Applicant: 武汉大学
IPC: G06T17/00 , G06N3/0464 , G06N3/045 , G06T15/06 , G06N3/08
Abstract: 本发明公开了一种融合多尺度图像特征的大规模建筑物三维重建方法，包括如下步骤：遥感数据选取和预处理；构建基本网络模块及残差网络模块，用于获得阴影标量、不确定性预测值、反射光颜色以及环境光色彩；向基本网络模块输入最高层次图像对应的光线，逐层向残差网络模块中输入其他尺度图像对应的光线，每一个图像对应的光线输入到一个残差网络模块，然后将所有残差网络模块的结果融合得到一个统一的输出，最后将残差网络模块统一的输出与基本网络模块的输出结果进行融合得到最终输出结果，通过最终输出结果计算得到目标对象对应点的深度和对应像素的颜色，并通过构建的损失函数更新网络权重；利用训练好的网络实现待重建遥感图像的三维重建。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.046 seconds)
