-
公开(公告)号：CN115311555A
公开(公告)日：2022-11-08
申请号：CN202210835178.2
申请日：2022-07-15
申请人： 武汉大学
摘要： 本发明涉及一种基于批风格混合的遥感影像建筑物提取模型泛化方法。本发明方法充分利用已有标签大数据集信息，结合一个多输出的带有位置注意力和通道注意力模块的编码‑解码结构的卷积神经网络建筑物提取模型，通过附加在建筑物模型前端的即插即用的批风格混合模块种的多策略图像扩充技术，包括几何增强、色彩增强以及基于深度学习的风格混合，以增强语义分割模型的泛化能力，有效提高了在任意无标签影像上的建筑物提取性能。本发明有如下优点：鲁棒性强，只需要在大数据集上的一次训练，建筑物模型即可在任意高分辨率影像上进行建筑物提取任务，提高了建筑物提取的智能化、自动化程度，大大减少了人工标记的人力物力，在城市规划、数字化城市建设等方面具有较高的应用价值。
-
公开(公告)号：CN111797744B
公开(公告)日：2022-06-10
申请号：CN202010598139.6
申请日：2020-06-28
申请人： 武汉大学
摘要： 本发明公开了一种基于共现滤波算法的多模态遥感图像匹配方法，该方法分为尺度空间生成、描述子构建和匹配三部分。首先，基于共现滤波构建新的遥感图像的共现尺度空间，在新尺度空间中采用改进的图像梯度提取特征点。其次，通过重新划分对数极坐标格网，构建了新的多模态遥感图像特征描述子。最后，建立位置优化的距离匹配函数，即计算特征点在水平和垂直方向的位移误差来优化匹配距离函数。最终对优化结果进行重匹配，并利用快速样本共识算法剔除误匹配。本发明对大量的多模态遥感图像数据进行实验，结果证明发明提出的匹配方法效果显著，能提取出足够的同名点数目，并一定程度上保持较好的匹配精度，算法具有较好的适用性和鲁棒性。
-
公开(公告)号：CN112288647B
公开(公告)日：2022-06-03
申请号：CN202011089496.6
申请日：2020-10-13
申请人： 武汉大学
IPC分类号： G06T5/00
摘要： 本发明涉及一种结合多时相数据基于门控卷积的云和阴影修复方法。首先，利用已有的遥感影像构建样本库；其次，设计了一种基于门控卷积的多时相云和阴影修复网络进行训练，深入挖掘有云遥感影像‑多时相无云影像、含缺失信息区域‑纯净像元区域之间的相关性及特征；然后，对于真实含云影像首先利用已有的云探测方法进行像素级语义分割，并选取高召回率的结果；最后利用训练好的云和阴影修复网络、高召回率探测结果、真实含云影像以及对应的多时相数据进行修复工作，在保证光谱信息的基础上，高保真的重建缺失信息。本发明具有如下优点：鲁棒性强，可适应不同尺度的遥感影像云和阴影的探测修复。
-
公开(公告)号：CN113223161B
公开(公告)日：2022-04-12
申请号：CN202110371684.6
申请日：2021-04-07
申请人： 武汉大学
摘要： 本发明提出了一种基于IMU和轮速计紧耦合的鲁棒全景SLAM系统和方法。包括传感器数据预处理，系统初始化，跟踪和局部地图构建四个模块，传感器数据预处理模块负责多镜头鱼眼图像的特征提取，特征球面投影，图像帧间的IMU预积分，轮速预积分。初始化模块，通过处理视觉，IMU和轮速计测量值对SLAM系统进行初始化。跟踪模块利用IMU测量值积分得到当前帧位姿，为后续优化提供初始化值，并判断当前帧是否为关键帧。局部地图构建模块负责将插入的关键帧进行处理，与之前帧匹配进行新地图点的三角化，并进行局部地图的全景视觉‑IMU‑轮速计的联合平差。本发明通过多传感器融合互补实现复杂场景下的高鲁棒性高精度定位。
-
公开(公告)号：CN111222466B
公开(公告)日：2022-04-01
申请号：CN202010016592.1
申请日：2020-01-08
申请人： 武汉大学
摘要： 本发明涉及一种基于三维空间‑通道注意力机制的遥感影像滑坡自动探测方法。利用遥感影像进行人工标注并裁剪滑坡样本构建样本库，然后对基于三维空间‑通道注意力机制的卷积神经网络进行训练，学习遥感影像上各种滑坡实例的特征。利用训练好的网络模型对新的遥感影像进行滑坡探测，实现遥感影像上滑坡目标的自动精确识别。本发明具有如下优点：鲁棒性强，比原始的主干网络以及其他已有的注意力方法更加适合遥感影像上的滑坡探测任务；对于包含各种干扰因素的情况，本发明方法具有更好地抵抗干扰的能力，可获得更高的识别准确率；可用于滑坡灾害的预防和灾后重建、更新滑坡数据库等方面。
-
公开(公告)号：CN112288650B
公开(公告)日：2021-07-20
申请号：CN202011168863.1
申请日：2020-10-28
申请人： 武汉大学
摘要： 本发明公开了一种多源遥感卫星影像几何语义一体化处理方法和系统，该方法区别于传统的先进行遥感影像几何精校正，然后进行语义分割和信息提取的传统方案，提出了包含语义信息提取、语义信息辅助的自动化几何精校正、语义信息优化三个步骤。首先从标准景影像中初步提取云、水面、冰雪、云影、人工建筑物等对几何精校正具有较大影响的地类信息，然后在这些信息的辅助下排除干扰，实现全自动的遥感影像几何精校正、匀光匀色、无缝镶嵌、影像合成等处理，最后在高精度多源合成影像中，提取更丰富的语义信息和目标信息，得到超大规模多源合成影像及其对应的语义地图及地类专题地图。
-
公开(公告)号：CN110163271B
公开(公告)日：2020-12-01
申请号：CN201910394472.2
申请日：2019-05-13
申请人： 武汉大学
摘要： 本发明涉及一种基于球面投影网格和球面卷积的全景影像目标检测方法。利用已有的全景影像以及目标标注文件构建样本库，对基于球面投影格网和球面卷积的神经元网络进行训练，学习全景影像上感兴趣目标的特征。利用训练好的网络模型对新的全景影像进行目标检测，实现全景影像上感兴趣目标的自动识别和边界框定位。利用球面投影格网的方法，将区域建议网络得到的候选框特征图投影到预先设置好分辨率的球面格网上，然后使用球面卷积提取旋转不变特征，再进行最后的分类，可以得到全景影像上感兴趣目标更好的检测结果。本发明具有如下优点：鲁棒性强，更适合全景影像上的目标检测任务；对于全景影像上变形大的物体，具有更高的识别准确率。
-
公开(公告)号：CN109509230B
公开(公告)日：2020-06-23
申请号：CN201811346301.4
申请日：2018-11-13
申请人： 武汉大学
摘要： 本发明提出一种应用于多镜头组合式全景相机的SLAM方法，很好地实现了车载多镜头组合式全景相机的自动定位与地图构建功能，达到0.1m级的高定位精度而无需借助昂贵的GPS/IMU组合导航系统。本发明方法先对多镜头组合设备进行相机检校，然后建立一个并行的三线程，其中位姿跟踪线程主要完成系统初始化，全景图像上的特征提取、匹配与投影，位姿求解优化以及关键帧的选取；稀疏地图构建线程主要负责根据初始位姿与匹配点建立稀疏地图点，对相机位姿与地图点进行局部优化，剔除错误的地图点与冗余的关键帧；闭环纠正线程主要负责探测相机的运动是否回到了之前经过的位置(即闭环)，加入闭环约束进行位姿的改正以及全局位姿及地图点优化(即全局光束法平差)。
-
公开(公告)号：CN102855628A
公开(公告)日：2013-01-02
申请号：CN201210296081.5
申请日：2012-08-20
申请人： 武汉大学 , 中国科学院新疆生态与地理研究所 , 武汉方寸科技有限公司
IPC分类号： G06T7/00
摘要： 本发明公开了一种多源多时相高分辨率卫星遥感影像自动匹配方法，包括步骤：步骤一，根据参考影像对待匹配影像进行纠正和初步配准得到立体影像对；步骤二，从立体影像对中截取影像块，对各影像块进行如下操作：计算影像块的梯度从而得到其对应的梯度图像，并确定所得梯度图像的边缘区域；对影像块梯度图像中的边缘区域和非边缘区域加权，计算加权后影像块梯度图像的非线性亮度相关，得到匹配点；对所得匹配点进行粗差剔除，获取可靠的匹配点；步骤三，根据所得匹配点完成待匹配影像与参考影像的匹配。本方法采用非线性加权相关的方法，考虑了亮度的非线性变化，当影像亮度发生较大非线性变化时，也可以获得稳健的影像匹配结果。
-
公开(公告)号：CN116245901A
公开(公告)日：2023-06-09
申请号：CN202310099118.3
申请日：2023-02-03
申请人： 武汉大学
IPC分类号： G06T7/13 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
摘要： 本发明提供一种基于边缘学习的建筑物规则矢量轮廓提取方法及系统，包括：获取建筑物遥感矢量数据；构建建筑物规则矢量轮廓提取网络，将建筑物遥感矢量数据输入至建筑物规则矢量轮廓提取网络，采用多级结构边缘处理模块和不同损失函数对建筑物规则矢量轮廓提取网络进行迭代训练，得到建筑物规则矢量轮廓提取模型；将待处理建筑物遥感影像数据输入至建筑物规则矢量轮廓提取模型，得到建筑物轮廓提取结果。本发明通过已知建筑物遥感影像数据，利用样本库和多层级的深度学习平台构建训练得到建筑物规则矢量轮廓提取模型，实现了自主学习，无需人工算法干预，能适应各种场景下的建筑物矢量边缘提取，极大程度减少人工绘制建筑物边缘的工作量。
-
-
-
-
-
-
-
-
-
搜索结果
48 条记录 (耗时 0.023 秒)
