-
公开(公告)号:CN113869172B
公开(公告)日:2024-10-15
申请号:CN202111106138.6
申请日:2021-09-22
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性,具备大幅面遥感影像的智能解译能力,具体流程为:输入的智能处理模型,经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力,转换后的模型使用影像数据训练后,最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块,用于将输入的大幅面影像经数据增强,沿H/W维度切分,下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后,使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号:CN113869172A
公开(公告)日:2021-12-31
申请号:CN202111106138.6
申请日:2021-09-22
Abstract: 本发明提供了一种大幅面遥感影像的深度学习框架模块设计与构建方法。本发明设计了智能模型的中间层表示和编译优化模块以使通用深度学习框架融合遥感特性,具备大幅面遥感影像的智能解译能力,具体流程为:输入的智能处理模型,经过中间层表示和编译优化模块的大幅面特性处理使之具备了处理大幅面影像的能力,转换后的模型使用影像数据训练后,最终输出具有大幅面特性的模型训练出的参数。另外本发明还设计了大幅面遥感影像的数据切分并行模块,用于将输入的大幅面影像经数据增强,沿H/W维度切分,下发至多张训练卡上。本发明使用中间层表示和编译优化的方法进行优化后,使框架具备大幅面遥感影像训练和推理的能力。
-
公开(公告)号:CN113609896B
公开(公告)日:2023-09-01
申请号:CN202110692812.7
申请日:2021-06-22
Applicant: 武汉大学
Abstract: 本发明提供一种基于对偶相关注意力的对象级遥感变化检测方法及系统,进行用于变化检测的数据增强,生成双输入流;设置共享权重的骨干网络用于接收双输入流,提取双时相影像的不同尺度特征;设置对偶相关注意力引导的特征融合颈,关注同尺度的双时相特征在空间层次与通道层次的相关性,来获取细化的差异特征,并设置细化路径聚合金字塔模块对不同尺度层间的特征进行融合;最后将不同尺度的差异特征送入变化检测头,以边界框的形式预测变化地物的位置、大小和变化置信度。本发明专用于变化检测的数据增强方法可以加快模型训练与提升模型性能,经对偶相关注意力机制引导,能有效抵抗影像对中的伪变化干扰,具有较高准确性和鲁棒性。
-
公开(公告)号:CN116563385A
公开(公告)日:2023-08-08
申请号:CN202310384436.4
申请日:2023-04-11
Applicant: 武汉大学
Abstract: 本发明公开了一种增强Sentinel‑1SAR影像水体提取效果的伪彩色特征提取方法。本发明考虑到当前SAR影像水体提取方法中对SAR影像色彩特征的挖掘和利用不充分,因此通过伪彩色合成和色彩特征构造来自动化提取Sentinel‑1SAR影像的色彩特征,以有效区分SAR影像中的水体与非水体,进而用于提升Sentinel‑1SAR水体提取的精度和可靠性。本发明的优点在于提出的方法无需人工干预,能够实现Sentinel‑1SAR影像色彩信息的自动化提取。本发明提出的方法计算效率快、自动化程度高,可操作性强,不仅易于实现而且整个模型的可扩展性强。因此,本发明具有很高的实用价值。
-
公开(公告)号:CN112883839B
公开(公告)日:2021-10-22
申请号:CN202110140498.1
申请日:2021-02-02
Applicant: 重庆市地理信息和遥感应用中心 , 武汉大学
Abstract: 本发明公开了一种基于自适应样本集构造与深度学习的遥感影像解译方法,包括步骤:对样本总集进行特征提取,并对提取的特征进行聚类,构建视觉词袋模型的特征词典,得到样本子集;构建基于深度学习网络的解译模型,并先后输入样本总集和聚类的样本子集对解译模型进行训练,分别得到总解译模型和与各样本子集相对应的子解译模型;采用总解译模型以及根据待解译遥感影像的影像特征选取的合适的若干子解译模型,对待解译遥感影像进行自适应解译。其显著效果是:通过聚类的自动化、分布式手段快速建立海量遥感影像的样本库,并利用机器深度学习技术对样本库数据进行训练,获得适应于不同场景的智能解译模型,解译精度高,鲁棒性好。
-
公开(公告)号:CN110443770A
公开(公告)日:2019-11-12
申请号:CN201910737998.6
申请日:2019-08-12
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: 丁忆 , 李朋龙 , 连蓉 , 王亚林 , 徐永书 , 张泽烈 , 叶立志 , 胡翔云 , 胡艳 , 陈静 , 罗鼎 , 段松江 , 刘金龙 , 陈甲全 , 吴凤敏 , 王小攀 , 钱进 , 魏文杰 , 曾远文 , 李晓龙
IPC: G06T5/00
Abstract: 本发明公开了一种基于离散粗糙度估计的机载激光点云数据噪声检测方法,包括步骤:读取机载激光点云数据,并构建离散点云TIN模型;根据离散点云TIN模型,获取模型中各顶点的一环邻域、二环邻域;采用离散粗糙度估计算子,计算各点的离散粗糙度;计算各点的二环邻域离散粗糙度均值和二环邻域粗糙度标准差;计算各点的二环邻域高程均值和二环邻域高程标准差;标记噪声点。其显著效果是:提高了机载激光点云数据噪声检测的智能化程度,极大地提高了机载激光点云数据处理效率及后续处理精度。
-
公开(公告)号:CN107092871A
公开(公告)日:2017-08-25
申请号:CN201710220588.5
申请日:2017-04-06
IPC: G06K9/00
CPC classification number: G06K9/00637 , G06K9/00671
Abstract: 本发明公开了一种基于多尺度多特征融合的遥感影像建筑物检测方法,包括对高分辨率遥感影像降采样,获得由不同尺度的影像构成的影像金字塔;计算影像金字塔的边缘影像;对不同尺度的边缘影像进行多组特征计算并进行融合建立特征模型;根据特征模型与邻域局部非极大值抑制进行窗口选取获得目标窗口;对目标窗口进行小范围内的膨胀/收缩计算获得矩形窗口;根据目标窗口的主方向旋转所述矩形窗口得到最优目标窗口,并根据最优目标窗口提取出建筑物。其显著效果是:在高斯金字塔影像上进行多尺度的建筑物检测,对大小、形状、朝向各异的建筑物的检测具有普适性;且有效地提高了建筑物自动检测的精度和效率。
-
公开(公告)号:CN103020886A
公开(公告)日:2013-04-03
申请号:CN201210438187.4
申请日:2012-11-06
Applicant: 武汉大学
Inventor: 胡翔云
IPC: G06T1/00
Abstract: 本发明提出一种基于线特征的数字扫描地图水印方法,水印二进制信号被局部嵌入到提取出来的位于长边缘曲线上边缘点周围的像素中,即用二进制信号调制在边缘曲线上像素边缘方向的直方图。本方法以边缘曲线作为进行水印的特征,而传统的方法是用图像二维阵列的结构作为特征实现同步水印信号。由于数字扫描地图中的边缘曲线特征比较可靠,并且水印是被局部嵌入,所以本方法在应对图像增强操作以及缩放、旋转、剪切和仿射变换等轻微的几何变形等方面都具有较好的鲁棒性,在扫描数字地图的版权保护方面是一种有效的水印技术。
-
公开(公告)号:CN114742843B
公开(公告)日:2024-11-22
申请号:CN202210379641.7
申请日:2022-04-12
Applicant: 武汉大学
Abstract: 本发明提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。所述方法包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。本发明可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
-
公开(公告)号:CN114742843A
公开(公告)日:2022-07-12
申请号:CN202210379641.7
申请日:2022-04-12
Applicant: 武汉大学
Abstract: 本发明提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。所述方法包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。本发明可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
-
-
-
-
-
-
-
-
-