-
公开(公告)号：CN118096624B
公开(公告)日：2025-01-28
申请号：CN202311543201.1
申请日：2023-11-20
Applicant: 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) , 武汉大学深圳研究院
IPC: G06T5/92 , G06T5/60 , G06N3/0464 , G06N3/0455 , G06V10/44 , G06V10/42 , G06V10/80 , G06V10/82
Abstract: 本申请公开了一种基于Retinex的低光遥感影像增强方法，所述方法基于Retinex理论将待增强的低光遥感影像分解为反射图和光照图，然后分别对光照图与反射图进行特征提取，得到反射特征图以及光照特征图。再将反射特征图以及光照特征图进行融合与重建，得到重建光照图以及重建反射图。然后设计神经网络模块对重建光照图以及重建反射图进行增强以及融合，将增强后的反射图和光照图融合成正常光影像，再设计局部重建神经网络模块对其进行局部微调，得到最终增强影像。不仅提升了算法的可解释性以及影像的增强效果，而且解决了目前低光遥感影像增强方法普适性差、鲁棒性低以及增强后影像存在噪声、模糊、质量不足、偏色等问题。
-
公开(公告)号：CN117152359A
公开(公告)日：2023-12-01
申请号：CN202311154885.6
申请日：2023-09-08
Applicant: 武汉大学深圳研究院
IPC: G06T17/00 , G06V10/762 , G06T7/80 , G06V10/44
Abstract: 本申请提供了一种面向歧义场景的图像三维重建及定位方法，通过利用影像和影像对匹配关系构建初始视图并进行计算得到相似度树并组成聚类；利用所述聚类和所述聚类之间的匹配关系构成聚类视图；利用改进的Kruskal算法对聚类视图的类间边进行验证得到验证最大生成树并得到其他待验证类间边；利用全局位姿平均技术对其他待验证类间边进行位姿一致性校验得到可靠类间边；利用所述可靠类间边和所述验证最大生成树构建无歧义视图并计算得到目标稀疏三维点云和目标影像位姿。通过上述方式，本发明使用算法对聚类图进行位姿一致性校验得到非歧义边，对非歧义边对应的视图进行位姿解算和三维重建，由此提高了歧义场景下图像三维重建和位姿定位的鲁棒性。
-
公开(公告)号：CN111028177B
公开(公告)日：2023-07-21
申请号：CN201911275632.8
申请日：2019-12-12
Applicant: 武汉大学
Abstract: 本发明涉及图像复原技术，具体涉及一种基于边缘的深度学习图像去运动模糊方法，包括利用已训练好的HED网络从模糊图像中提取边缘，随后用卷积层来提取引导去运动模糊过程的边缘特征信息；去模糊主干网络从模糊图像中提取多尺度的特征信息，在每个尺度上使用空间特征变换层将图像特征和边缘特征进行整合，解码部分从最深层的图像特征中逐步恢复出潜在清晰图像；将模糊‑清晰图像对作为训练样本集，均方差损失函数和感知损失函数的加和定义总损失函数，利用总损失函数对去模糊主干网络进行训练，直到收敛至最优精度；将运动模糊图像输入训练好的去模糊主干网络中，得到去模糊后的结果。该方法实现了图像特征和边缘特征的有效整合，去模糊的效果显著。
-
公开(公告)号：CN109829399B
公开(公告)日：2022-07-05
申请号：CN201910046768.5
申请日：2019-01-18
Applicant: 武汉大学
IPC: G06V10/774 , G06V20/58 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的车载道路场景点云自动分类方法及系统，构建训练样本集，包括采集道路场景车载激光的三维点云数据，标注类别标签，将三维点云数据和对应的类别标签信息打包作为点云数据集；设计基于八叉树数据结构的三维深度学习网络模型，所述三维深度学习网络模型采用U型全卷积神经网络模型；利用对各类别加权的损失函数，解决道路场景车载激光点云不同类别点数量差异大的问题，基于训练样本集，对网络模型进行训练，得到训练好的点云分类模型；输入待分类的车载激光三维点云数据。采用本发明技术方案能稳定、精确地对具有不同种类、数量和尺寸的分类目标的车载道路场景下的激光点云进行自动分类。
-
公开(公告)号：CN111275724B
公开(公告)日：2022-06-07
申请号：CN202010121064.2
申请日：2020-02-26
Applicant: 武汉大学
IPC: G06T7/11 , G06T17/00 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明提供一种基于八叉树和边界优化的机载点云屋顶平面分割方法，进行基于八叉树的多尺度初始平面片提取，包括根据八叉树的数据结构将无序列点云根据空间位置迭代地划分为不同尺度的平面片，并从中选择出具有平面性的平面片，作为数据预处理所得初始平面片；通过分层聚类将初始平面片根据相邻关系和参数相似性进行聚合形成初始平面；基将没有归入平面片的点，通过区域生长合并到初始平面中；基于能量最优化的平面边界点重分类，包括通过能量函数将平面边界点重分类问题转换为能量最优化问题，优化区域生长所得平面边界，得到最终平面分割结果。本发明解决在点云平面分割中区域生长的种子点鲁棒性差和边界不准确的问题，得到最优的平面分割结果。
-
Patent Agency Ranking
公开(公告)号：CN114463525A
公开(公告)日：2022-05-10
申请号：CN202210086706.9
申请日：2022-01-25
Applicant: 武汉大学
Abstract: 本发明提供一种面向三维重建的大规模图像的色彩一致性校正方法，该方法的色彩校正过程主要包括三步：第一步，图像的分组，根据匹配关系构建邻接图，并基于图分区原理对图像进行分组。第二步，颜色对应提取，对于每个影像对，基于局部单应原理为稀疏点周围的区域计算匹配像素，并提取统计值作为最终的颜色对应。第三步，全局优化，基于上述图像分组结果和颜色对应关系，实施两步校正策略对大规模图像进行颜色一致性校正。先对每组图像执行组内校正，消除同一组的图像间的颜色差异；之后执行组间校正，消除不同组图像间的颜色差异。最后，根据求解的校正模型参数依次对所有图像进行色彩校正，实现整个图像集的颜色一致性。
-
公开(公告)号：CN114332176A
公开(公告)日：2022-04-12
申请号：CN202111578638.X
申请日：2021-12-22
Applicant: 武汉大学
Abstract: 本发明提供一种利用图神经网络和互相向量一致性的端到端三维点云配准方法，对部分重叠的点云进行配准。该方法主要包括四步：第一步，准备训练数据；第二步，搭建用于点云配准的端到端深度神经网络；第三步，对网络进行训练，第四步，将训练好的网络应用于实际配准中。其中端到端深度神经网络主要包括局部特征提取器，图神经网络层，以及互相向一致性模块。本发明在点云局部特征提取的基础上，增加了基于自我注意力和交叉注意力的特征聚合，使得提取的特征更具有辨识力。此外，本发明利用互相向量一致性对点云匹配结果进行修正，可以进一步剔除外点，获得更准确的匹配结果。
-
公开(公告)号：CN112884222A
公开(公告)日：2021-06-01
申请号：CN202110185310.5
申请日：2021-02-10
Applicant: 武汉大学
Abstract: 本发明公开了一种面向时间段的LSTM交通流密度预测方法。本发明创造性地提出了交通流密度的概念，得到区域内各车辆的交通流密度数据集，有效反映城市交通热点区域内的实际交通拥堵情况。利用动态时间规整方法在时间轴上进行局部的延伸或缩短，以此更精确地度量交通流密度序列切片间的相似性。利用K‑Means聚类方法，对各交通流密度切片序列按照相似性分类，有利于反映交通流密度的典型模式。针对模式相似的交通流密度数据分别训练神经网络，并对各神经网络输出预测值按时间标签或据聚类中心的距离加权求和，充分利用了数据的序列结构特点。最后利用所在工作日类型相同的过往数据对加权求和结果进行相似日修正，提高算法预测精度。
-
公开(公告)号：CN108830224B
公开(公告)日：2021-04-02
申请号：CN201810628290.2
申请日：2018-06-19
Applicant: 武汉大学
Abstract: 一种基于深度学习的高分辨率遥感影像舰船目标检测方法，包括采集包含舰船目标的高分辨率遥感影像，使用能包围舰船目标的最小四边形对影像中的舰船进行人工标注；设置深度学习网络模型的结构，对具有不同语义性和分辨率的特征映射图进行连接，然后对特征映射图上的每个位置设置多个参考四边形，使用全连接层对参考四边形分类；训练网络模型，将待检测的高分辨率遥感影像输入到训练好的网络模型中，检测影像中的舰船区域，并构建包围舰船目标的最小四边形，从而指示舰船目标的精确位置。本发明相比传统舰船目标检测方法，能更有效地抵抗环境因素的干扰，更稳定、更精确地对高分辨率遥感影像中处于不同场景、具有不同尺寸和姿态的舰船进行检测。
-
公开(公告)号：CN112418288A
公开(公告)日：2021-02-26
申请号：CN202011282866.8
申请日：2020-11-17
Applicant: 武汉大学
Abstract: 本发明属于视觉空间定位技术领域，公开了一种基于GMS和运动检测的动态视觉SLAM方法，包括：结合GMS和滑动窗口对SLAM系统进行初始化，得到初始地图；结合GMS实现SLAM系统的跟踪定位；进行回环检测、全局优化；针对RGB‑D图像，构建静态点云地图；数据处理完成后输出位姿轨迹；针对RGB‑D图像，输出静态点云地图。本发明解决了现有技术中动态环境中的SLAM追踪定位效果较差的问题。本发明可以很好的剔除动态特征的影响并融合在SLAM系统的各个功能模块中，解决动态场景中视觉SLAM定位和建图的问题，实时性好且定位精度较高。
-
-
-
-
-
-
-
-
-
Search Results
94
records
(took 0.03 seconds)
