Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 武汉大学潘俊获国家专利权

武汉大学潘俊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉武汉大学申请的专利一种基于SAR先验知识引导的遥感影像云区重建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN116309136B

龙图腾网通过国家知识产权局官网在2026-01-02发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202310181247.7,技术领域涉及:G06T5/77;该发明授权一种基于SAR先验知识引导的遥感影像云区重建方法是由潘俊;徐建功;余小于;王密设计研发完成,并于2023-02-27向国家知识产权局提交的专利申请。

一种基于SAR先验知识引导的遥感影像云区重建方法在说明书摘要公布了:本发明公开了一种基于SAR先验知识引导的遥感影像云区重建方法。该方法首先将获取的光学遥感影像输入云检测模块,得到初步的云检测结果,然后构建SAR特征提取模块,将获取的临近时相SAR影像输入SAR特征提取模块,构造SAR影像的极化协方差矩阵,提取相关极化散射特征,最后构建云区影像重建模块,将获取的光学遥感影像、云检测结果和极化散射特征依次输入云区影像重建模块,实现光学遥感影像云遮掩区域空间结构特征重构与全局一致性特征修复,最终生成高保真无云影像。本发明通过融合SAR影像纹理、极化特征,有效提升了光学遥感影像中云遮掩区域的特征恢复能力,解决了因云雾严重干扰导致的光学遥感影像信息模糊及部分信息缺失等问题。

本发明授权一种基于SAR先验知识引导的遥感影像云区重建方法在权利要求书中公布了:1.一种基于SAR先验知识引导的遥感影像云区重建方法,其特征在于,包括以下步骤: 步骤1,构建云检测模块,将获取的光学遥感影像输入云检测模块进行云光谱测试和云概率计算,获得云检测结果; 步骤1.1,对获取的光学遥感影像影像进行云光谱测试,得到初步的云检测结果; 云光谱测试包含基础测试、白度测试、霾检测、岩石沙漠检测和卷云测试; 步骤1.2,通过计算云概率对影像中的云边缘地带进行提取,得到云边缘地带检测结果; 步骤1.3,将初步云检测结果与云边缘地带检测结果进行融合处理,获得最终的光学遥感影像云检测结果; 步骤2,构建SAR特征提取模块,将获取的临近时相SAR影像输入SAR特征提取模块,构造SAR影像的极化协方差矩阵,提取相关极化散射特征; 提取的极化散射特征包括极化散射熵、平均散射角和极化散射反熵,具体包括以下几个步骤: 步骤2.1,构建SAR影像的极化协方差矩阵; 极化协方差矩阵构建方式如下: 14 式中,V代表SAR天线的垂直极化状态;H代表SAR天线的水平极化状态;表示在发射垂直信号,接收水平信号的极化电磁波状态下,入射场与散射场的关系;则表示在发射垂直信号,接收垂直信号的极化电磁波状态下,入射场与散射场的关系;*表示复共轭;表示统计平均;、表示SAR影像在不同极化状态下的相位信息,且;是一个虚数单位;表示SAR影像的极化信息; 步骤2.2,将极化协方差矩阵分解为不同方向上的相关投影与不相关投影之和; 对极化协方差矩阵进行特征值分解得到特征向量和特征值,将特征向量按照对应的特征值大小排序,得到一组主分量,其中第一主分量描述了数据变化最显著的方向,第二主分量描述了数据变化次显著的方向;将极化协方差矩阵进行特征值分解后,根据特征向量能够得到一组基向量,将基向量分别投影到第一主分量和第二主分量方向上,即可得到在这两个方向上的相关投影;由于主分量构成了一组正交基,所以将在其它主分量方向上的投影作为不相关的投影;将这些相关和不相关的投影加起来,得到极化协方差矩阵的分解结果,即: 15 式中,表示在位置的取值,表示的第τ个特征向量在位置的投影,分别表示的第一、第二个特征值,分别是矩阵的第一、第二个特征向量在位置的取值,分别是矩阵的第一、第二个特征向量在位置的复共轭转置,、、、、是常数项,是一个2×2的单位矩阵; 步骤2.3,利用极化协方差矩阵分解结果,计算得到极化散射熵、平均散射角和极化散射反熵; 步骤3,构建云区影像重建模块,将获取的光学遥感影像、步骤1获得的云检测结果和步骤2获得的极化散射特征依次输入云区影像重建模块,实现光学遥感影像云遮掩区域空间结构特征重构与全局一致性特征修复,最终生成高保真无云影像; 云区影像重建模块包括局部精细纹理特征编码子模块和全局注意力amp;感受野联合增强修复子模块;局部精细纹理特征编码子模块是一个自编码模型,编码器为筛选amp;调节下采样卷积层,中间层为带有膨胀卷积的残差块,解码器为筛选amp;调节上采样卷积层;全局注意力amp;感受野联合增强修复子模块是一个自编码模型,包含传统卷积下采样层、传统卷积上采样层和高感受野卷积层三部分。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人武汉大学,其通讯地址为:430072 湖北省武汉市武昌区八一路299号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。