-
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：CN110442659B
公开(公告)日：2022-06-07
申请号：CN201910594692.X
申请日：2019-07-03
申请人： 武汉大学
摘要： 本发明实施例提供的一种区域划分方法和装置，所述方法包括：接收区域划分请求，所述区域划分请求至少包括：原始区域数据、起始点要素类、搜索等级；将所述原始区域数据中的预置区域线要素类与道路线要素类进行合并以生成目标区域数据；在所述目标区域数据中从所述起始点要素类出发对权重等级低于所述搜索等级的线要素类进行拓扑搜索以得到目标面要素类。本发明实施例通过将预置区域的线要素类与道路线要素类相结合得到目标区域数据，并进行拓扑搜索以进行区域自动划分，消除了原始区域数据存在的路段缺失、悬挂点、多边形区域不闭合等缺陷，从而扩展了区域划分的可适用范围，提高额区域划分的准确性。
-
公开(公告)号：CN102855628B
公开(公告)日：2015-01-14
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：CN117599190A
公开(公告)日：2024-02-27
申请号：CN202311623303.4
申请日：2023-11-30
申请人： 武汉大学人民医院(湖北省人民医院)
摘要： 本发明涉及CHCHD3表达促进剂在制备心肌梗死药物中的应用，该心肌梗死药物能减轻心肌梗死后心肌组织的线粒体损伤，改善线粒体氧化磷酸化功能。本发明发现，在心脏中特异性过表达CHCHD3基因能降低心肌梗死模型小鼠的死亡率，使其心功能显著改善，同时CHCHD3在体过表达可缓解心肌梗死后小鼠心肌组织的线粒体损伤。
-
公开(公告)号：CN116898971A
公开(公告)日：2023-10-20
申请号：CN202310873792.2
申请日：2023-07-17
申请人： 武汉大学人民医院(湖北省人民医院)
IPC分类号： A61K45/00 , A61P9/00 , G01N33/573 , G01N33/68
摘要： 本发明公开了SRPK3基因在制备治疗心肌肥厚的药物中的用途，SRPK3基因的序列如SEQ ID NO.1所示，SRPK3基因表达抑制剂为以SRPK3基因为作用靶标制备或筛选得到的对SRPK3基因具有抑制效果的物质。本发明发现，与正常组相比，心肌肥厚模型小鼠的SRPK3表达显著上调，SRPK3基因敲除小鼠的心重/体重、肺重/体重、心肌细胞横截面积和纤维化均显著减轻，心脏收缩功能明显改善。基于以上发现，SRPK3可作为心肌肥厚和心力衰竭治疗药物的作用靶标，其抑制剂可用于制备预防、缓解和/或治疗病理性心肌肥厚的药物。
-
公开(公告)号：CN114662015A
公开(公告)日：2022-06-24
申请号：CN202210175716.X
申请日：2022-02-25
申请人： 武汉大学
IPC分类号： G06F16/9537 , G06F16/958 , G06N20/00
摘要： 本发明提供一种基于深度强化学习的兴趣点推荐方法，融合用户连续签到行为序列上下文特征属性实现兴趣点推荐，实现过程包括获取用户历史签到数据，进行预处理，得到用户集合和兴趣点POI集合；排序得到用户连续签到行为序列数据，构建POI‑POI图GVV、POI‑功能区图GVZ和POI‑时间段图GVT；将用户连续签到行为序列通过嵌入层转换为用户特征向量；将GVV、GVZ和GVT通过联合图嵌入学习嵌入到同一潜在空间中，得到特征向量，串联后输入基于注意力机制的门控循环单元，生成用户近期的兴趣偏好特征向量；输入至基于深度强化学习Actor‑Critic框架的推荐模型中，得到Top‑k有序兴趣点推荐列表。本发明有效融合了用户签到序列信息、兴趣点的时空信息和类别信息，提高了推荐模型的准确率。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.038 秒)
