低空图传视频遥感准实时在线地质灾害目标识别方法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61871295
  • 项目类别：
    面上项目
  • 资助金额：
    63.0万
  • 负责人：
    詹总谦
  • 依托单位：
    武汉大学
  • 学科分类：
    F0113.信息获取与处理
  • 结题年份：
    2022
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2022-12-31

项目摘要

UAV remote sensing is an important means to enhance the national ability of geologic hazards on-site monitoring, emergency surveying and mapping. However, due to the deficiency of video image quality, real-time processing and target recognition of geologic hazards, UAV transmission video remote sensing can only be used for online visual interpretation or offline automatic recognition. So it is difficult to meet the urgent needs of the quick field report of disaster. Combining the theory and method of the photogrammetry and computer vision, target recognition and deep learning, this project will focus on the research of the multi-task learning algorithm to improve video image quality, the robust processing of ORB-SLAM based on the relocalization using submap and loop detection, the construction of the geological disaster target UAV image data sets and multilevel network model for target recognition, finally realize Quasi Real-time Online Target Recognition of Geologic Hazards Using UAV Transmission Video Remote Sensing. This research will provide strong technical support for quick field report and emergency security, and greatly enhance the application potential of UAV video remote sensing.
无人机低空遥感是增强国家地质灾害现场监查与应急测绘能力的高时相、高分辨率遥感手段。其中，低空图传视频遥感由于受到视频图像质量、实时处理精度和可靠性、灾害目标快速识别等客观条件和技术理论方法不足的限制，目前主要用于灾害目标在线目视判读或离线自动识别等，难以满足灾情现场精准速报的迫切需求。本项目将结合摄影测量与计算机视觉、深度学习与目标识别等领域的理论方法，重点研究多任务学习的视频图像质量改善算法、子地图和回环检测辅助重定位的ORB-SLAM稳健处理、地质灾害目标无人机影像数据集构建、多级联合网络模型建立及目标识别等关键方法，最终实现低空图传视频遥感准实时在线地质灾害目标识别。本课题的研究将为地质灾情现场精准速报和应急保障提供强有力的技术支撑，并且极大提升低空视频遥感的应用潜力。

结项摘要

本项目主要针对视频图像质量不高、实时处理精度和可靠性不足、地质灾害目标快速识别技术理论和方法不健全等问题，结合摄影测量与计算机视觉、深度学习与目标识别等领域的理论方法，重点研究多任务学习的视频图像质量改善算法、改进ORB-SLAM的图传视频准实时在线稳健处理、地质灾害目标无人机影像数据集构建及其识别等关键方法。经过四年的研究，本项目取得的重要成果包括：（1）提出了基于图像对齐和自适应信息融合的深度学习视频去模糊方法，以及基于高分辨率的光流和双分支特征融合的多任务学习质量改善方法，有效改善视频图像质量；（2）提出了基于全局特征和局部特征的层级图像检索方法，实现实时采集图像的在线动态快速检索；提出基于子地图和无向连通图的地图信息恢复算法，有效提高了VSLAM地图构建方法的可靠性和完整性；提出多策略联合的无人机图传视频VSLAM优化方法，进一步提升VSLAM建图的稳健性；（3）构建了一套地质灾害目标无人机影像数据集，验证了该数据集的有效性；针对地质灾害目标特殊性，结合IPO提出一种新的去重复框后处理算法IPO-MNS；面向倒塌房屋目标检测，提出一种基于transformer的Faster R-CNN模型优化方法；从传统机器学习和目标分割角度出发，提出一种顾及超像素光谱特征的无人机影像自动模糊聚类分割法；从变化检测角度出发，提出基于双任务约束和多尺度约束深度网络模型的建筑物变化检测方法，尝试为地质灾害目标识别提供一种新的思路；（4）发表论文20篇（SCI论文10篇，中文权威期刊论文3篇，会议论文5篇，高被引论文1篇），在审专利2项，软著1项，获全国测绘类软件创新开发大赛特等奖2项；培养毕业研究生15名，在读研究生9名。通过上述研究，本项目形成了一套包括视频图像质量改善、视频图像准实时在线稳健处理和地质灾害目标快速识别的完整技术框架，可为地质灾情现场精准速报和应急保障提供强有力的技术支撑。

项目成果

期刊论文数量（17）
专著数量（0）
科研奖励数量（0）
会议论文数量（3）
专利数量（0）
A Precision Efficient Method for Collapsed Building Detection in Post-Earthquake UAV Images Based on the Improved NMS Algorithm and Faster R-CNN
基于改进NMS算法和Faster R-CNN的震后无人机图像倒塌建筑物精准高效检测方法
  • DOI：
    10.3390/rs14030663
  • 发表时间：
    2022-01
  • 期刊：
    Remote Sensing
  • 影响因子：
    5
  • 作者：
    Jiujie Ding;Jiahuan Zhang;Zongqian Zhan;Xiaofang Tang;Xin Wang
  • 通讯作者：
    Xin Wang
Learning visual overlapping image pairs for SfM via CNN ffne-tuning with photogrammetric geometry information
通过 CNN ffne-tuning 和摄影测量几何信息学习 SfM 的视觉重叠图像对
  • DOI：
    --
  • 发表时间：
    2022
  • 期刊：
    International Journal of Applied Earth Observations and Geoinformation
  • 影响因子：
    --
  • 作者：
    Hou Qianbao;Xia Rui;Zhang Jiahuan;Feng Yu;Zhan Zongqian;Wang Xin
  • 通讯作者：
    Wang Xin
Building Change Detection for Remote Sensing Images Using a Dual-Task Constrained Deep Siamese Convolutional Network Model
使用双任务约束深度连体卷积网络模型构建遥感图像变化检测
  • DOI：
    10.1109/lgrs.2020.2988032
  • 发表时间：
    2019-09
  • 期刊：
    IEEE Geoscience and Remote Sensing Letters
  • 影响因子：
    4.8
  • 作者：
    Liu Yi;Pang Chao;Zhan Zongqian;Zhang Xiaomeng;Yang Xue
  • 通讯作者：
    Yang Xue
Single Remote Sensing Image Dehazing Using a Prior-Based Dense Attentive Network
使用基于先验的密集注意力网络的单幅遥感图像去雾
  • DOI：
    10.3390/rs11243008
  • 发表时间：
    2019-12-02
  • 期刊：
    REMOTE SENSING
  • 影响因子：
    5
  • 作者：
    Gu, Ziqi;Zhan, Zongqian;Yan, Li
  • 通讯作者：
    Yan, Li
低空遥感地质灾害目标数据集的制作及测试
  • DOI：
    10.14188/j.2095-6045.2019426
  • 发表时间：
    2022
  • 期刊：
    测绘地理信息
  • 影响因子：
    --
  • 作者：
    詹总谦;黄兰兰;张晓萌;刘异
  • 通讯作者：
    刘异

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

span style=font-size:12.0pt;line-height:150%;font-family:宋体;秩亏自由网平差在近景影像色彩均衡处理中的运用/span
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    遥感信息
  • 影响因子：
    --
  • 作者：
    詹总谦;饶友琢
  • 通讯作者：
    饶友琢
基于GPU并行处理技术的影像畸变差修正
  • DOI：
    --
  • 发表时间：
    2011
  • 期刊：
    测绘信息与工程
  • 影响因子：
    --
  • 作者：
    詹总谦;卢亮
  • 通讯作者：
    卢亮
span style=font-size:12.0pt;line-height:150%;font-family:宋体;滑坡误检测形变区域定位与分析/span
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    测绘地理信息
  • 影响因子：
    --
  • 作者：
    詹总谦;来冰华;位明露
  • 通讯作者：
    位明露
span style=font-size:12.0pt;line-height:150%;font-family:宋体;鱼眼镜头全景影像可量测关键算法研究/span
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    测绘通报
  • 影响因子：
    --
  • 作者：
    詹总谦;王鑫;彭敏
  • 通讯作者：
    彭敏
一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    武汉大学学报(信息科学版)
  • 影响因子：
    --
  • 作者：
    詹总谦;来冰华;万杰;李楼
  • 通讯作者：
    李楼

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

詹总谦的其他基金

针对植被覆盖的滑坡自动化监测关键算法研究
  • 批准号：
    41101418
  • 批准年份：
    2011
  • 资助金额：
    23.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码